摘要
本发明公开了基于多模态特征融合与空间邻域约束的土壤类型预测模型训练方法、制图方法及系统,该训练方法包括:构建多源异构的数字土壤制图数据样本集,数据样本集包括连续型环境变量、离散型环境变量和多源遥感影像;提取数据样本集的特征量并进行多模态自适应特征融合,利用交叉注意力机制自适应确定融合权重,得到联合特征量;构建包括空间邻域平滑正则项和分类交叉熵损失的复合损失函数;根据联合特征量和复合损失函数对预设深度学习模型进行联合优化训练,直至满足预设要求,确定土壤类型预测模型。本发明实施例能够使模型输出的制图结果表达的准确性和空间连续性以及模型泛化性能有效提高,可广泛应用于数字土壤制图技术领域。
技术关键词
预测模型训练方法
交叉注意力机制
多源遥感影像
多模态特征融合
连续型
制图方法
语义特征
样本
深度学习模型
邻域
数据
深度特征提取
异构
处理器
制图技术
土壤特征
程序
系统为您推荐了相关专利信息
语义场景
补全方法
上下文特征
交叉注意力机制
时序
激光雷达点云数据
语义分割方法
解码模块
交叉注意力机制
融合特征
大语言模型
推荐方法
交叉注意力机制
词特征
文本
异常数据
多模态特征融合
多模态协同
振动传感器
光学传感设备
智能节点
预警方法
设备控制指令
设备控制接口
融合特征