欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202010097209X
申请人: 中国地质大学(武汉)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于通道注意力机制的遥感场景分类方法,其特征在于,包括以下步骤:S1、数据集的预处理:将公开的遥感场景数据集进行增强和归一化预处理,提高训练时的收敛速度和鲁棒性;

S2、建立基于通道注意力的密集连接网络,包括:密集连接网络、通道注意力机制,和标签平滑的损失函数三个部分;在空间域中利用密集连接网络来提取多个尺度和交叉连接的空间特征,在特征域中采用特征注意力网络结合到密集残差网络进一步提升特征提取能力,在损失函数中,采用基于标签平滑的交叉熵损失函数,减小类间相似性带来的影响,具体包括:

S21、在空间域中,密集连接层可以提取多个尺度和交叉连接的空间特征,密集连接网络通过多个密集连接层来提取深度特征,并通过池化操作来减小特征图的大小,从而减少计算量;密集连接层中卷积层运算的公式如下:xl=Tl(x0,x1,x2,...,xl‑1);

其中,x0,x1,x2,...,xl‑1是前l层的卷积层,Tl是并联操作;

S22、在特征域中,然后采用特征注意力网络结合到密集连接网络,进一步提升特征提取能力,特征注意力网络中的通道注意力模块通过把空间域压缩到一维,对特征通道赋予一个权重,在训练网络的过程中,提高重要特征的权重,降低次要特征的权重,公式如下:UC(i,j)=sc×uC(i,j)UC(i,j)是变化后的c个的通道的特征值,sc是特征注意力c个通道的权重,uC(i,j)是原始特征c个的通道的特征值,i和j分别表示特征层的横纵坐标点;

将上述的通道注意力模块嵌入密集连接网络,在每个密集连接层之前都可以得到经过自适应调整的权重,这样可以让密集连接层更好的提取特征;

S23:在损失函数中,采用基于标签平滑的交叉熵损失函数,减小类间相似性带来的影响,基于标签平滑的交叉熵损失函数,调整了标签的权重,使得每类的标签都参与到了反向传播,公式如下:

Y=(1‑∈)×y+∈×u(I);

Y是调整后的标签值,∈是标签平滑参数,y是调整前的标签值,u(I)是类别总数I的固定分布;

S3、将预处理后的遥感场景数据集输入给基于通道注意力的密集连接网络进行训练,训练完成后将待分类的遥感场景数据进行与步骤S1同样的预处理,然后将预处理后的待分类的遥感场景数据输入到训练完成的基于通道注意力的密集连接网络中,完成对待分类的遥感场景数据的场景分类。

2.根据权利要求1所述的基于通道注意力机制的遥感场景分类方法,其特征在于,步骤S1具体为:

S11:对遥感场景数据集内图像进行数据增强,数据增强包括水平翻转和垂直翻转操作;

S12:将经过步骤S11数据增强后的图像进行归一化处理,以适配后续神经网络输入,提高训练时的收敛速度和鲁棒性。

3.根据权利要求2所述的基于通道注意力机制的遥感场景分类方法,其特征在于,步骤S11中数据增强的具体方法为:

以每张图像的图像中心为点,首先是随机垂直翻转,其概率为50%,然后为随机水平翻转,其概率同为50%。

4.根据权利要求1所述的基于通道注意力机制的遥感场景分类方法,其特征在于,步骤S21中,所述密集连接网络通过多个密集连接层来提取深度特征具体是指:密集连接网络通过6个、12个、38个、32个密集连接层来提取深度特征。

5.一种基于通道注意力机制的遥感场景分类装置,具有处理器和存储器,其特征在于,所述处理器用于加载并执行所述存储器内的计算机程序,用于实现如权利要求1‑4任一项所述的基于通道注意力机制的遥感场景分类方法。