公开(公告)号：CN115393719A

公开(公告)日：2022-11-25

申请号：CN202211047569.4

申请日：2022-08-29

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  丁姗姗 ,  赵妍 ,  刘和 ,  刘城洋

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/764 ,  G06V10/774 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种结合空谱域自适应与集成学习的高光谱图像分类方法，属于图像分类技术领域。该方法依次执行输入源域中有标记数据、目标域中无标记数据和少量有标记数据，通过空谱注意力模型对源域和目标域进行特征提取，其中空谱注意力模型引入了大核注意力(LKA)，可以利用图像的局部结构信息、捕获长距离依赖并且具有空间维度和光谱维度的适应性；然后将特征提取后的数据输入鉴别器并对源域数据聚类以形成聚类中心，再将目标域数据向各类聚类中心迭代映射；最后通过XGBoost进行分类来缓解模型计算速度慢和单分类器可信度低的问题，有效地提升了高光谱图像地物分类的准确度，为跨场景高光谱图像分类的后续研究以及相关应用提供新的参考思路。

公开(公告)号：CN114898217A

公开(公告)日：2022-08-12

申请号：CN202210677414.2

申请日：2022-06-15

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  宋璎珞 ,  丁姗姗

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于神经架构搜索的高光谱图像分类方法，属于图像分类技术领域，该方法依次执行以下步骤：输入高光谱图像(HSI)，利用滑动窗口裁剪为32×32像素的样本并划分训练样本、验证样本和测试样本；利用6种预设操作构建神经架构搜索(NAS)的空间，将训练样本输入该空间；利用梯度算法的搜索策略搜索出候选网络结构，搜索过程中利用β‑衰减对体系结构参数进行正则化；使用置信学习率进行结构梯度权重更新；将搜索到的预设操作组成基础单元，并连接构成最优神经网络架构；利用最优神经网络架构对HSI进行分类，获取分类结果。本发明是基于神经网络搜索的高光谱图像分类方法，在包含6种预设操作构建的搜索空间中进行最优架构的搜索，并利用β‑衰减正则化提高了NAS的泛化能力，利用置信学习率提高了NAS运算速度，同时减轻了过拟合现象，有效的提高了高光谱图像的分类精度，为后续神经架构搜索算法在高光谱图像分类研究以及相关应用提供了良好思路。

公开(公告)号：CN114898217B

公开(公告)日：2025-04-15

申请号：CN202210677414.2

申请日：2022-06-15

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  宋璎珞 ,  丁姗姗

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于神经架构搜索的高光谱图像分类方法，属于图像分类技术领域，该方法依次执行以下步骤：输入高光谱图像(HSI)，利用滑动窗口裁剪为32×32像素的样本并划分训练样本、验证样本和测试样本；利用6种预设操作构建神经架构搜索(NAS)的空间，将训练样本输入该空间；利用梯度算法的搜索策略搜索出候选网络结构，搜索过程中利用β‑衰减对体系结构参数进行正则化；使用置信学习率进行结构梯度权重更新；将搜索到的预设操作组成基础单元，并连接构成最优神经网络架构；利用最优神经网络架构对HSI进行分类，获取分类结果。本发明是基于神经网络搜索的高光谱图像分类方法，在包含6种预设操作构建的搜索空间中进行最优架构的搜索，并利用β‑衰减正则化提高了NAS的泛化能力，利用置信学习率提高了NAS运算速度，同时减轻了过拟合现象，有效的提高了高光谱图像的分类精度，为后续神经架构搜索算法在高光谱图像分类研究以及相关应用提供了良好思路。