公开(公告)号：CN114821164A

公开(公告)日：2022-07-29

申请号：CN202210385028.6

申请日：2022-04-13

Applicant: 北京工业大学

Inventor： 许德梅 ,  同磊 ,  段娟 ,  肖创柏

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于孪生网络的高光谱图像分类方法，包含三个部分：设计基于空间光谱信息的孪生残差网络分类模型；设计基于多尺度特征融合并行分支的孪生残差特征提取网络；设计基于空间和通道注意力机制的孪生残差特征提取网络；本发明利用多尺度特征融合扩大特征提取网络的感受野，能够捕获像素之间的全局依赖性，同时增加网络的宽度获得更多的非线性特征，进而得到更好的分类效果。利用基于空间和通道注意力的特征提取网络，应用通道注意力、空间注意力模块于高光谱图像光谱、空间信息的特征提取网络上，通过使用注意力机制增强空间或光谱重要特征抑制不必要的特征，在增加少量计算量的情况下获得更明显的性能提升。

公开(公告)号：CN114065831A

公开(公告)日：2022-02-18

申请号：CN202110992748.4

申请日：2021-08-27

Applicant: 北京工业大学

Inventor： 同磊 ,  许德梅 ,  高正 ,  段娟 ,  肖创柏

IPC: G06K9/62 ,  G06V10/774 ,  G06V10/764 ,  G06V20/10 ,  G06N3/04

Abstract: 本发明公开了基于多尺度随机深度残差网络的高光谱图像分类方法，输入使用3个不同尺寸的卷积核，目的在于通过这种方式提取不同不同尺度特征。通过不同尺寸卷积核将不同尺度特征信息分里，就可以将相关性较强的特征聚集，从而达到加速网络收敛的目的。感受野的大小对于模型的性能有重要的影响。过小的感受野会只能观察到局部的特征，但过大的感受野则会导致模型获取到冗余信息，使用多个不同大小卷积核提取多尺度特征，然后将其进行融合的模型架构是一种合适的选择。本发明所提出的方法能够实现高光谱图像的有效分类且相较于同等深度的网络，本发明不但提高了训练效率而且保证了较高的分类准确率。

公开(公告)号：CN114821164B

公开(公告)日：2024-06-14

申请号：CN202210385028.6

申请日：2022-04-13

Applicant: 北京工业大学

Inventor： 许德梅 ,  同磊 ,  段娟 ,  肖创柏

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于孪生网络的高光谱图像分类方法，包含三个部分：设计基于空间光谱信息的孪生残差网络分类模型；设计基于多尺度特征融合并行分支的孪生残差特征提取网络；设计基于空间和通道注意力机制的孪生残差特征提取网络；本发明利用多尺度特征融合扩大特征提取网络的感受野，能够捕获像素之间的全局依赖性，同时增加网络的宽度获得更多的非线性特征，进而得到更好的分类效果。利用基于空间和通道注意力的特征提取网络，应用通道注意力、空间注意力模块于高光谱图像光谱、空间信息的特征提取网络上，通过使用注意力机制增强空间或光谱重要特征抑制不必要的特征，在增加少量计算量的情况下获得更明显的性能提升。