基于注意力机制的小样本遥感影像分类方法及系统技术方案

本发明专利技术涉及一种基于注意力机制的小样本遥感影像分类方法，包括：获取元任务中支持集的高维空间特征和查询集的查询特征；对支持集的高维空间特征进行处理获得类原型特征；对查询特征和不同的类原型特征之间的距离进行度量，完成分类。除此之外，还提出了一种基于注意力机制的小样本遥感影像分类系统。上述基于注意力机制的小样本遥感影像分类方法和系统，在实际应用中，使得遥感影像分类性能更优，泛化能力强，对未参与训练的数据集识别效果好，分类精度高，同时不需要研究工作者进行复杂和冗余的数据处理工作，能够大大降低人工成本，提高各领域对遥感影像分类的效率以及准确率，提高工作效率。高工作效率。高工作效率。

【技术实现步骤摘要】
基于注意力机制的小样本遥感影像分类方法及系统


[0001]本专利技术涉及遥感影像分类领域，特别是涉及一种基于注意力机制的小样本遥感影像分类方法及系统。

技术介绍

[0002]由于目前的遥感技术迅猛发展，遥感数据呈现出高空间分辨率、高光谱分辨率、高时间分辨率、多极化、多角度等特征。因此遥感影像中丰富的信息可以被用于土地覆盖检测、湿地资源监测、城市规划和军事侦察等领域。
[0003]然而在实际的学术以及工业应用领域中，遥感影像因其领域的特殊性及数据获取方式的局限性，数据集呈现出小样本的特点，虽然样本数据集中的类别很多，但是同类别可以用来训练的样本数据集很少，其数据集获取成本较高，数据集的制作往往需要耗费大量的人力、物力及财力。与此同时，在遥感影像领域的探索过程中，影像的扩充过程中还会不断出现新类别的样本。经过训练的深度学习模型严重缺乏对新类别样本的分辨能力，而扩展新类别样本集合，同样存在着收集困难的问题，且重新启动训练需要的计算代价较高。并且复杂网络结构的深度学习模型具有参数量大、训练过程漫长等缺点。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的小样本遥感影像分类方法，其特征在于，所述方法包括：获取元任务中支持集的高维空间特征和查询集的查询特征；对支持集的高维空间特征进行处理获得类原型特征；对查询特征和不同的类原型特征之间的距离进行度量，完成分类。2.根据权利要求1所述的基于注意力机制的小样本遥感影像分类方法，其特征在于，所述支持集具有多个，且每个支持集能够获得一种类原型特征。3.根据权利要求2所述的基于注意力机制的小样本遥感影像分类方法，其特征在于，所述对支持集的高维空间特征进行处理获得类原型特征，包括：生成不同支持集的高维空间特征之间的权重分数；通过加权求和的方式获得不同的类原型特征。4.根据权利要求3所述的基于注意力机制的小样本遥感影像分类方法，其特征在于，所述对查询特征和不同的类原型特征之间的距离进行度量，包括：通过度量函数欧氏距离获取查询特征和不同的类原型特征之间的距离；基于同类相距较近、异类相距较远的原则，生成类原型特征的One
‑
hot向量。5.根据权利要求4所述的基于注意力机制的小样本遥感影像分类方法，其特征在于，所述完成分类，包括：通过softmax函数计算待分类类原型特征的类别概率，从而得到分类结果。6.一种基于注意力机制的小样本遥感影像分类系统，其特征在于，包括：特征嵌入模块，用于获取元任务中支持集...

【专利技术属性】
技术研发人员：贺琪，宋巍，黄冬梅，曹翔，张津源，刘铖龙，孔令斌，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：