一种基于半监督CNN-Transformer混合模型的多源地物分类方法

本发明提供了一种基于半监督CNN‑Transformer混合模型的多源地物分类方法，提出了一种基于transformer和卷积的半监督地物分类模型，充分利用两种骨干网络的优势，生成具有高置信度的伪标签，辅助网络进行训练，据此提出的新模型在总体准确度、平均准确度和Kappa系数上都取得了较好的实验结果，在模块中设计了多层特征融合策略，将浅层与深层特征拼接后进行融合，利用门控网络实现了不同模态特征之间的充分融合，剔除掉相似度较高的模态冗余信息，提升了模型对模态特定信息的利用效率，对模型性能的提升做出了明显的贡献。