1.一种遥感图像分类方法,其特征在于,所述方法包括:
获取遥感图像,并对所述遥感图像进行标注,得到训练样本;
将所述训练样本输入到预设的输入网络中,得到卷积池化特征;所述预设的输入网络包括:多个不同尺度的卷积层和最大池化层;
将所述卷积池化特征输入到预设的特征提取主干网络中,经过三个连续的CAT 模块进行多尺度的特征提取,得到多尺度特征;所述预设的特征提取主干网络包括三个CAT模块,所述CAT模块用于对输入的特征按照预设比例进行通道切分,将切分后的第一特征采用若干个连续的瓶颈残差模块和点卷积层进行局部特征提取,将切分后的第二特征采用若干个连续的Swin Transformer模块进行全局特征提取,并将提取到的局部特征和全局特征进行通道拼接;
将所述多尺度特征输入到预设的分类器中,得到遥感图像分类结果;
其中:所述CAT模块包括通道切分模块、由若干个连续的瓶颈残差模块和1个点卷积层组成的卷积神经网络支路、由分片嵌入层和若干个连续的Swin Transformer模块组成的Transformer支路、通道拼接模块;
多尺度特征包括:浅层全局与局部特征、中层全局与局部特征和深层全局与局部特征;
步骤:将所述卷积池化特征输入到预设的特征提取主干网络中,经过三个连续的CAT 模块进行多尺度的特征提取,得到多尺度特征,包括:将所述卷积池化特征输入到第一个CAT 模块的通道切分模块中,采用预设比例进行切分,得到第一组特征和第二组特征;
将所述第一组特征输入到第一个CAT 模块的卷积神经网络支路中,得到浅层局部特征;将所述第二组特征输入到第一个CAT 模块的Transformer支路中,得到浅层全局特征;
将所述浅层局部特征和所述浅层全局特征输入到第一个CAT 模块的通道拼接模块中,得到浅层全局与局部特征;
将所述浅层全局与局部特征输入到第二个CAT 模块的输入,得到中层全局与局部特征;
将所述中层全局与局部特征输入到第三个CAT 模块的输入,得到深层全局与局部特征。
2.根据权利要求1所述的方法,其特征在于,所述预设的输入网络中卷积层的数量为3,卷积核分别为:7×7、1×1和3×3;
将所述训练样本输入到预设的输入网络中,得到卷积池化特征,包括:
将所述训练样本输入到卷积核为7×7的卷积层中,并将得到卷积特征输入到最大池化层,得到第一卷积池化特征;
将所述第一卷积池化特征输入到卷积核为1×1的卷积层中,并将得到的输出输入到卷积核为3×3的卷积层中,得到卷积池化特征。
3.根据权利要求1所述的方法,其特征在于,预设的分类器包括预设的主分类器、预设的浅层辅助分类器、预设的中层辅助分类器;
将所述多尺度特征输入到预设的分类器中,得到遥感图像分类结果,包括:
将所述浅层全局与局部特征输入到预设的浅层辅助分类器中,得到浅层辅助分类结果;
将所述中层全局与局部特征输入到预设的中层辅助分类器中,得到中层辅助分类结果;
将所述深层全局与局部特征输入到预设的主分类器中,得到主分类结果;
将所述浅层辅助分类结果、所述中层辅助分类结果以及所述主分类结果进行加权平均后,得到遥感图像的分类结果。
4.根据权利要求3所述的方法,其特征在于,将所述浅层全局与局部特征输入到预设的浅层辅助分类器中,得到浅层辅助分类结果,步骤中预设的浅层辅助分类器由平均池化层、点卷积层、卷积核为3×3的卷积层以及两个全连接层组成。
5.根据权利要求1所述的方法,其特征在于,将所述中层全局与局部特征输入到预设的中层辅助分类器中,得到中层辅助分类结果,步骤中预设的中层辅助分类器由平均池化层、点卷积层以及两个全连接层组成。
6.根据权利要求1所述的方法,其特征在于,将所述深层全局与局部特征输入到预设的主分类器中,得到主分类结果,步骤中所述预设的主分类器由平均池化层、和1个全连接层组成。
7.一种遥感图像分类装置,其特征在于,所述装置包括:
样本获取模块,用于获取遥感图像,并对所述遥感图像进行标注,得到训练样本;
输入网络训练模块,用于将所述训练样本输入到预设的输入网络中,得到卷积池化特征;所述预设的输入网络包括:多个不同尺度的卷积层和最大池化层;
特征提取主干网络训练模块,用于将所述卷积池化特征输入到预设的特征提取主干网络中,经过三个连续的CAT 模块进行多尺度的特征提取,得到多尺度特征;所述预设的特征提取主干网络包括三个CAT模块,所述CAT模块用于对输入的特征按照预设比例进行通道切分,将切分后的第一特征采用若干个连续的瓶颈残差模块和点卷积层进行局部特征提取,将切分后的第二特征采用若干个连续的Swin Transformer模块进行全局特征提取,并将提取到的局部特征和全局特征进行通道拼接;
分类结果确定模块,用于将所述多尺度特征输入到预设的分类器中,得到遥感图像分类结果;
其中:特征提取主干网络训练模块,还用于将所述卷积池化特征输入到第一个CAT 模块的通道切分模块中,采用预设比例进行切分,得到第一组特征和第二组特征;将所述第一组特征输入到第一个CAT 模块的卷积神经网络支路中,得到浅层局部特征;将所述第二组特征输入到第一个CAT 模块的Transformer支路中,得到浅层全局特征;将所述浅层局部特征和所述浅层全局特征输入到第一个CAT 模块的通道拼接模块中,得到浅层全局与局部特征;将所述浅层全局与局部特征输入到第二个CAT 模块的输入,得到中层全局与局部特征;
将所述中层全局与局部特征输入到第三个CAT 模块的输入,得到深层全局与局部特征;所述CAT模块包括通道切分模块、由若干个连续的瓶颈残差模块和1个点卷积层组成的卷积神经网络支路、由分片嵌入层和若干个连续的Swin Transformer模块组成的Transformer支路、通道拼接模块;多尺度特征包括:浅层全局与局部特征、中层全局与局部特征和深层全局与局部特征。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。