本发明专利技术公开了一种基于门控混合注意力的高分遥感场景分类方法。首先，设计了一种门控注意流体编码结构，从遥感图像中提取分层门控注意特征。其次，搭建了一个渐进式金字塔细化框架，来探寻跨层注意特征的相关性，从而学习增强的特征多尺度表达。接着，构建了一个双支流注意力聚合子网络，分别通过上游通道注意力聚合模块和下游空间注意力聚合模块，来强化网络深层语义信息和细化网络浅层空间信息，生成更具鉴别力的融合特征。最后，设计了一个场景标签预测模块，用于得到最终分类结果。本发明专利技术提出的方法通过将门控机制和多层次、多类型注意力相融合，可有效增强模型的特征抽取和表达能力，提高场景分类的准确性。
【技术实现步骤摘要】
本专利技术属于遥感图像处理，尤其涉及一种基于门控混合注意力的高分遥感场景分类方法。
技术介绍
1、随着遥感领域日新月异的发展，成像技术不断提高，可获得的图像分辨率越来越高，能够清晰地获得地面目标和空间格局，因此高分辨率遥感图像被广泛应用于环境监测、城市规划、自然灾害检测等诸多任务中。
2、遥感场景分类是一项给特定图像贴上语义标签的任务。早期遥感场景分类方法基于底层手工制作特征，如尺度不变特征变换(sift)、纹理描述符(td)、定向梯度直方图(hog)等。中期的方法基于中层语义特征，如视觉词袋(bovw)、空间共生核(sck)、局部约束线性编码(llc)等。然而，上述方法提取特征费时费力，只能在单个方面或几个方面描述场景信息，难以保证特征的强区分性，从而限制了分类精度的提高。
3、与上述传统特征提取方法相比，基于深度学习(dl)的方法，尤其是基于卷积神经网络(cnn)的方法在遥感图像特征提取方面显现出强大的优势，在此推动下，由深度学习驱动的遥感图像场景分类引起了人们的极大关注，目前也取得了不错的进展。
>4、公开号cn10本文档来自技高网...
【技术保护点】
1.一种基于门控混合注意力的高分遥感场景分类方法，其特征在于，包括以下步骤：
2.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(1)中的，构建样本和标签集合，及对集合进行分类的方法如下：
3.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(2)中的，构建多注意力聚合网络，其主干部分的结构如下：
4.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(3)中，多注意力聚合网络中的门控注意流体编码结构的构建方法如下：
5.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤...
【技术特征摘要】
1.一种基于门控混合注意力的高分遥感场景分类方法，其特征在于，包括以下步骤：
2.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(1)中的，构建样本和标签集合，及对集合进行分类的方法如下：
3.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(2)中的，构建多注意力聚合网络，其主干部分的结构如下：
4.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(3)中，多注意力聚合网络中的门控注意流体编码结构的构建方法如下：
5.根据权利要求1的一种基于门控混合注意力的高分遥感场景分类方法，步骤(4)中，多注意力聚合网络中渐进式金字塔细化架构的搭建方法...
【专利技术属性】
技术研发人员：王鑫，李莹莹，曾泽阳，王嘉礼，石爱业，
申请(专利权)人：河海大学，
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。