摘要
本发明提供基于相邻通道分组的高光谱影像一类分类方法及系统,包括输入高光谱影像,通过特征提取层提取初步特征图,利用多尺度特征融合层将初步特征图进行融合得到第一融合特征图,将第一融合特征图经过通道注意力处理得到第二融合特征图,将第二融合特征图映射到类别标签,采用基于异构表征融合的自适应样本优化机制,建立学习模型进行多轮训练,通过调整正负样本的权重不断优化模型参数后得到训练好的学习模型,使用训练好的学习模型对新的高光谱影像进行预测得到新的高光谱影像中的类别。本发明只需要输入单一样本,就能实现自适应性资源分配和多尺度特征适应与融合,自估计正负样本比例得分,分类精度高。
技术关键词
融合特征
样本
注意力
分类方法
池化特征
多尺度特征融合
深度学习模型
影像
通道
非暂态计算机可读存储介质
多级特征融合
预测误差
输出特征
预测输出值
异构
全局平均池化
标记
动态
模型预测值
模型训练模块
系统为您推荐了相关专利信息
残差模块
超声图像数据
前哨淋巴结
风险评估模型
风险评估方法
多模态特征融合
肿瘤
风险预测方法
深度学习神经网络
风险预测装置
图像检测模型
STM32控制器
电源模块
处理器
存储器模块
舰船检测方法
SAR图像舰船
跨层特征
权重分配机制
注意力机制
粒子成像方法
生成网络模型
时间序列图像
中央处理设备
注意力