申请/专利权人：哈尔滨理工大学

申请日：2023-10-07

公开（公告）日：2024-04-30

公开（公告）号：CN117953259A

主分类号：G06V10/764

分类号：G06V10/764;G06N3/0464;G06N3/045;G06V10/774;G06V10/776;G06V10/82;G06V10/40;G06V20/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明基于双支路CNN‑Transformer的高光谱与LiDAR协同的农作物精准分类方法属于图像分类技术领域；该方法依次执行以下步骤：输入待分类的高光谱图像和激光雷达数据；对HSI和LiDAR数据进行patch提取，形成各自的训练、验证和测试样本集；将HSI、LiDAR的patch数据输入由卷积神经网络构成的UniFeatBlock共有特征提取模块，获得共性特征；将HSI和LiDAR的共性特征对齐后，输入改进的Transformer编码器，得到HSI、LiDAR的特征表示；将HSI、LiDAR的特征表示，输入基于集成对比学习的HSI‑LiDAR联合分类器进行训练，得到协同分类结果；本发明利用CNN强大的特征提取能力与Transformer的长程依赖建模能力，通过异构传感数据的多模态特征对齐与融合，实现更优异的协同分类效果。

主权项：1.基于双支路CNN-Transformer的高光谱与LiDAR协同农作物精准分类方法，其特征在于，包括以下步骤：步骤a、输入待分类的HSI和LiDAR数据，所述HIS为高光谱图像；步骤b、对HSI和LiDAR数据进行patch提取，形成各自的训练、验证和测试样本；步骤c、将HSI、LiDARpatch数据输入UniFeatBlock共有特征提取模块，获得不同模态间共性特征；步骤d、将HSI和LiDAR的共性特征对齐后，输入改进的Transformer编码器，分别得到HSI、LiDAR特征表示；步骤e、将HSI和LiDAR特征表示，输入基于集成对比学习的HSI-LiDAR联合分类器，最终得到协同分类结果。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 基于双支路CNN-Transformer的高光谱与LiDAR协同农作物精准分类方法

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