申请/专利权人：北京理工大学

申请日：2023-12-18

公开（公告）日：2024-04-16

公开（公告）号：CN117893928A

主分类号：G06V20/17

分类号：G06V20/17;G06V10/26;G06V10/58;G06V20/70;G06N3/0464;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提出了一种基于深度学习的轻量级高光谱图像语义分割方法，步骤1:处理无人机高光谱遥感影像，得到无人机采集的高光谱影像训练数据集；步骤2:构建光谱尺度注意力网络；步骤3:根据无人机高光谱影像训练数据集对光谱尺度注意力网络进行训练，得到完成训练的光谱尺度注意力网络；步骤4:处理与多无人机高光谱影像训练数据集类型相同的待分割遥感影像，并输入至光谱尺度注意力网络，形成与待分割的遥感影像幅宽相同的无人机高光谱影像分割结果。本发明可对无人机高光谱的遥感影像进行全图语义分割，方便研究者对遥感影像中的地类进行进一步了解；提高对地信息解译的效率。

主权项：1.一种基于深度学习的轻量级高光谱图像语义分割方法，其特征在于，包括以下步骤：步骤1:处理无人机高光谱遥感影像，得到无人机采集的高光谱影像训练数据集；步骤2:构建光谱尺度注意力网络；步骤3:根据无人机高光谱影像训练数据集对光谱尺度注意力网络进行训练，得到完成训练的光谱尺度注意力网络；步骤4:处理与多无人机高光谱影像训练数据集类型相同的待分割遥感影像，并输入至光谱尺度注意力网络，形成与待分割的遥感影像幅宽相同的无人机高光谱影像分割结果。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于深度学习的轻量级高光谱图像语义分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD