基于压缩激励机制神经网络的建筑物分类方法及系统

本发明公开了基于压缩激励机制神经网络的建筑物分类方法及系统；本发明涉及建筑工程技术领域；输入数据集D。读取作为基础CNN(卷积神经网络)结构的VGG网络。在VGG网络的每个卷积块之后集成SE模块。SE模块通过压缩和激励两个步骤来显式地建模通道之间的相互依赖性，并自适应地重新校准通道特征响应。并使用全局平均池化等操作将每个通道的特征图压缩成一个标量，该标量反映了该通道的全局特征信息。利用全连接层和Sigmoid激活函数对压缩得到的标量进行变换，得到每个通道的权重。本发明通过集成SE模块，能够显式地建模特征通道之间的相互依赖性。这种机制使得网络能够更加精细地捕捉和表达遥感影像中的复杂特征，特别是与建筑物相关的特征。