一种基于通道注意力机制的遥感场景分类方法及装置制造方法及图纸

本发明专利技术公开了一种基于通道注意力机制的遥感场景分类方法及装置，属于遥感图像信息提取领域。本发明专利技术主要包括以下步骤：1.数据集预处理。将公开的场景数据集进行增强和归一化等预处理，增强网络的鲁棒性；2.建立基于通道注意力的密集连接网络。基于通道注意力的密集连接网络包括密集连接网络，通道注意力机制，和标签平滑损失函数三个部分。3.训练网络后进行精度评价。将预处理后的数据输入特征复用网络进行训练，然后利用训练完成后的网络完成对待分类的遥感场景数据的场景分类。

A method and device of remote sensing scene classification based on channel attention mechanism

【技术实现步骤摘要】
一种基于通道注意力机制的遥感场景分类方法及装置
本专利技术属于遥感图像信息提取领域，更具体地，一种基于通道注意力机制的遥感场景分类方法及装置。
技术介绍
遥感场景分类是对地观测工程的基础任务之一，它对土地利用分类，城市规划等实际需求具有重要意义。在过去的几十年中，研究人员一直在努力提取各种对于遥感场景分类有效特征表示形式。从最初的基于人工设计的底层特征到基于底层特征编码的中层特征，再到基于深度学习的深层特征，用于遥感场景分类特征越来越复杂，分类效果也越来越好。早期，遥感场景分类方法主要基于低级或手工制作的功能，着重于设计局部或整体浅层特征，例如颜色，纹理，形状，空间和光谱信息。2008年Newsam团队提出的SIFT和Gabor纹理特征相结合的遥感场景分类方法，比单个特征分类效果出色；中层特征则是尝试用图像局部特征描述算子来表示图像，比如张良培团队在2016年提出的基于视觉词袋的特征构建，将多种局部特征用视觉词袋的方法结合在了一起。由于深度神经网络优秀的特征提取能力，近年来出现了许多利用深度特征的方法，比传统的底层特征和中层特征本文档来自技高网...

【技术保护点】
1.一种基于通道注意力机制的遥感场景分类方法，其特征在于，包括以下步骤：/nS1、数据集的预处理：将公开的遥感场景数据集进行增强和归一化预处理，提高训练时的收敛速度和鲁棒性；/nS2、建立基于通道注意力的密集连接网络，包括：密集连接网络、通道注意力机制，和标签平滑的损失函数三个部分；在空间域中利用密集连接网络来提取多个尺度和交叉连接的空间特征，在特征域中采用特征注意力网络结合到密集残差网络进一步提升特征提取能力，在损失函数中，采用基于标签平滑的交叉熵损失函数，减小类间相似性带来的影响；/nS3、将预处理后的遥感场景数据集输入给基于通道注意力的密集连接网络进行训练，训练完成后将待分类的遥感场景数...

【技术特征摘要】
1.一种基于通道注意力机制的遥感场景分类方法，其特征在于，包括以下步骤：
S1、数据集的预处理：将公开的遥感场景数据集进行增强和归一化预处理，提高训练时的收敛速度和鲁棒性；
S2、建立基于通道注意力的密集连接网络，包括：密集连接网络、通道注意力机制，和标签平滑的损失函数三个部分；在空间域中利用密集连接网络来提取多个尺度和交叉连接的空间特征，在特征域中采用特征注意力网络结合到密集残差网络进一步提升特征提取能力，在损失函数中，采用基于标签平滑的交叉熵损失函数，减小类间相似性带来的影响；
S3、将预处理后的遥感场景数据集输入给基于通道注意力的密集连接网络进行训练，训练完成后将待分类的遥感场景数据进行与步骤S1同样的预处理，然后将预处理后的待分类的遥感场景数据输入到训练完成的基于通道注意力的密集连接网络中，完成对待分类的遥感场景数据的场景分类。


2.根据权利要求1所述的基于通道注意力机制的遥感场景分类方法，其特征在于，步骤S1具体为：
S11：对遥感场景数据集内图像进行数据增强，数据增强包括水平翻转和垂直翻转操作；
S12：将经过步骤S11数据增强后的图像进行归一化处理，以适配后续神经网络输入，提高训练时的收敛速度和鲁棒性。


3.根据权利要求2所述的基于通道注意力机制的遥感场景分类方法，其特征在于，步骤S11中数据增强的具体方法为：
以每张图像的图像中心为点，首先是随机垂直翻转，其概率为50％，然后为随机水平翻转，其概率同为50％。


4.根据权利要求1所述的基于通道注意力机制的遥感场景分类方法，其特征在于，步骤S2具体包括：
S21、在空间域中，密集连接层可以提取多个尺度和交叉连接的空间特征，密集连接网络通过多个密集连接层来提取深度特征，并通过池化操作来减...

【专利技术属性】
技术研发人员：陈伟涛，童伟，李显巨，王力哲，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42