端到端的基于Transformer的高光谱图像分类方法、装置及介质

    公开(公告)号:CN115731410A

    公开(公告)日:2023-03-03

    申请号:CN202211098337.1

    申请日:2022-09-08

    Abstract: 本发明实施例公开了一种端到端的基于Transformer的高光谱图像分类方法、装置及介质;该方法包括:针对原始高光谱图像分割得到的多个斑块数据中的每一个,生成对应的词符组;基于Transformer构建高光谱图像分类模型;其中,模型至少包括级联的多个编码器以及分类器,且每个编码器均对应一保持率;针对所有斑块数据,将对应的词符组按预设批次输入至高光谱图像分类模型,根据分类器输出的损失值进行反向传播计算,更新高光谱图像分类模型中的参数,直至原始高光谱图像分割获得的所有斑块数据均输入至高光谱图像分类模型并完成参数学习;将待分类的高光谱图像以斑块数据的形式输入至训练完毕的高光谱图像分类模型,获得待分类的高光谱图像的分类结果。

    一种基于多任务交互学习的空谱同时超分辨率重建方法

    公开(公告)号:CN114219708A

    公开(公告)日:2022-03-22

    申请号:CN202111338491.7

    申请日:2021-11-12

    Abstract: 本发明公开了一种基于多任务交互学习的空谱同时超分辨率重建方法,属于图像处理与计算机视觉领域。包括以下步骤:步骤一、建立SSFIN网络架构;步骤二、使用权重衰减策略训练SSFIN。本发明的一种基于多任务交互学习的空谱同时超分辨率重建方法,使得空间超分分支和光谱超分分支可以受益于彼此,逐渐降低空间超分和光谱超分任务在总损失中的权重。可以去除可能仅对下游任务有用的信息,但为主要空谱联合超分任务保留更多空间和光谱信息。大大提高网络的特征学习能力。实验结果表明,所提出的SSSR框架优于最先进的两阶段方法。

Patent Agency Ranking