一种基于Transformer的孪生多示例学习高光谱目标检测网络及检测方法

一种基于Transformer的孪生多示例学习高光谱目标检测网络及检测方法，通过光谱嵌入模块和语义特征提取模块，以及目标特征增强融合的操作，在训练过程中，网络通过孪生结构输入正样本包对即两个正样本包或负样本包对即一个正样本包和一个负样本包，并通过光谱嵌入模块提取每个示例的光谱特征得到包嵌入；正样本包嵌入经过语义特征提取模块，通过自注意力机制自适应学习目标与背景的语义关系，得到的语义特征经过全连接网络进一步转化为权重得分，正包嵌入加权融合得到代表性目标特征；负样本包嵌入不进行语义特征提取；通过InfoNCE对比损失和交叉熵损失共同优化模型，反向传播并更新网络参数，强化目标与背景的区分能力；本发明有效提升了光谱嵌入的编码能力，增强了目标与背景特征的检测区分效果。