System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术公开涉及高光谱图像分类,尤其涉及一种基于注意力的掩码自监督域适应高光谱图像分类方法及系统。
技术介绍
1、高光谱图像(hyperspectral image,hsi)是遥感中的一种重要数据类型,广泛应用于与地球观测相关的应用,如智能农业和环境监测。高光谱成像技术可以获取和分析空间区域中每个点的光谱信息,通过探测单个对象在不同空间位置上的独特光谱特征,高光谱成像技术能够检测到肉眼无法区分的物质、揭示物质的隐蔽特性。hsi包含数百光谱带,因此,为准确分类提供了丰富的信息。然而,标记遥感数据非常昂贵且耗时,缺乏标记样本对hsi分类构成了相当大的挑战。此外,在不同时间或不同位置获取的hsi之间存在光谱偏移现象。因此,传统的分类模型在一幅图像上训练,而在另一幅图像上训练时会出现光谱偏移,无法获得令人满意的性能。近年来,人们提出了大量的方法,其中域适应是最流行的方法。在域适应情况下,具有足够标签的数据被称为源域,具有很少标签或没有标签的待预测数据被称为目标域。域适应方法旨在通过学习从源域(训练数据所属的域)到目标域(测试数据所属的域)的映射关系,来减小域之间的差异,从而提高模型在目标域上的性能。域适应方法将边缘分布、条件分布或两者在两个领域之间对齐,主要分为三类:基于实例、基于分类器和基于特征的方法。
2、近年来,基于特征的方法在三种域适应方法中最为流行,深度学习方法也属于这一类。基于特征的算法提取领域不变的特征表示,通过特征匹配或对抗性学习实现域适应。特征匹配方法通过最小化一些领域差异度量来减少特征分布之间的差异。<
...【技术保护点】
1.一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,步骤1中,将图像随机遮盖后加上Cls Token送入编码器,再将从编码器输出的特征输入解码器;所述编码器采用Transformer网络进行特征提取;所述解码器采用Transformer对随机遮盖的图像进行重构,还原被遮盖的图像;
3.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,所述步骤2具体为:
4.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,使用Classifier Determinacy Disparity(CDD)损失来衡量目标域损失;假如目标域存在两个类,那么双分类器的预测如公式(3)所示:
5.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,CDD损失如公式(4)所示:
6.一种基于注意力的掩码自监督域适应高光谱图像分类系统,其
...【技术特征摘要】
1.一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,步骤1中,将图像随机遮盖后加上cls token送入编码器,再将从编码器输出的特征输入解码器;所述编码器采用transformer网络进行特征提取;所述解码器采用transformer对随机遮盖的图像进行重构,还原被遮盖的图像;
3.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,其特征在于,所述步骤2具体为:
4.根据权利要求1所述的一种基于注意力的掩码自监督域适应高光谱图像分类方法,...
【专利技术属性】
技术研发人员:王岩,李照奎,何文强,房卓群,王传云,李飞,毕可,曾琳琳,
申请(专利权)人:沈阳航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。