摘要
本发明公开了一种联合全局‑局部多阶深浅层特征的景观格局分类方法,涉及摄影测量数据处理技术领域,首先在编码器和解码器之间引入深浅层特征交叉融合模块缓解Swin Transformer生成的不同层级特征间的语义差距,通过在解码器部分引入三个全局‑局部注意力模块聚合全局上下文信息和局部细节信息,加强对类内特征一致性和类间特征差异性的判识。本发明充分利用CNN和Swin Transformer二者在局部和全局信息提取方面的优势,聚合全局上下文信息和局部细粒度信息,改善了复杂景观格局场景下地物类别间光谱特征相似性和类内差异性的问题,对生态系统动态监测具有重要意义。
技术关键词
分类方法
输出特征
支路
景观
注意力机制
分支
层级
交叉模块
多尺度特征
编码器
Softmax函数
多层感知机
线性变换矩阵
图像分割
解码器
细粒度特征
融合全局
地物类别
系统为您推荐了相关专利信息
模型建立方法
深度学习神经网络模型
修正方法
支持高精度定位
注意力机制
傅里叶变换红外光谱
添加剂
迁移学习技术
回归算法
超参数
工业产品图像
融合卷积神经网络
工业缺陷检测
引入注意力机制
定位方法
神经网络预测模型
多元线性回归模型
输出特征
标识
训练集数据