一种高光谱图像分类模型训练方法、系统、设备及介质

本申请涉及高光谱图像处理技术领域，特别地，涉及一种高光谱图像分类模型训练方法、系统、设备及介质。所述方法包括获取高光谱图像数据集；构建高光谱图像分类模型，并通过高光谱图像分类模型生成与各个高光谱图像相对应的目标图像；将高光谱图像和目标图像作为绑定训练样本；根据各个高光谱图像对应的绑定训练样本对高光谱图像分类模型进行训练，得到目标高光谱图像分类模型。通过多尺度特征提取、注意力机制的引入以及特征增强等方法，能够更全面准确地提取高光谱图像的特征，分类准确率大大提高；同时轻量化的模型设计减少了参数量和计算复杂度，提高了运行效率，可降低模型的计算资源需求，使其能够在资源受限的设备上运行。