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。