一种面向高光谱图像的轻量化深度模型训练方法技术

本发明专利技术公开了一种面向高光谱图像的轻量化深度模型训练方法，包含高光谱图像的成像重建模块和基于高光谱独有特性的分类模块构成，并加入对两阶段任务的优化，依次来实现对于智能终边端设备上的应用部署与实施。本发明专利技术实现了在终端设备上针对高光谱图像的敏捷重建以及基于高光谱图像特性的分类，降低了高光谱图像在智能终端设备上处理的计算资源需求。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种面向高光谱图像的轻量化深度模型训练方法。

技术介绍

1、高光谱图像(hsi)技术，以其卓越的光谱分辨率和空间细节捕捉能力，在材料识别、环境监测、农业精准管理等领域展现出巨大潜力。随着智能物联网(aiot)时代的到来，物联网与人工智能的深度融合为高光谱图像处理带来了新的曙光。在这一背景下，将高光谱图像处理任务迁移至终端平台，实现边缘计算与智能分析，成为了一个极具吸引力的解决方案。通过智能化的处理方案，能够为高光谱图像的处理，信息提取，实时性带来更好的解决方案。

2、然而，高光谱图像处理的复杂性和对计算资源的高需求，一直是制约其广泛应用的瓶颈。传统方法在处理高光谱图像时，面临着获取时间长，计算效率低，需要专家知识指导的问题，对用户不友好，尤其是在对实时性要求较高的应用场景中，这些挑战尤为突出。此外，高昂的硬件成本也限制了高光谱成像技术的普及。

技术实现思路

1、为了克服现有技术的不足，本专利技术提供了一种面向高光谱图像的轻量化深度模型训练方法，包含高光谱图像的成像重本文档来自技高网...

【技术保护点】

1.一种面向高光谱图像的轻量化深度模型训练方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向高光谱图像的轻量化深度模型训练方法，其特征在于，所述SST模块内部的Embedding模块和Mappling模块均由一个3*3的卷积组成。

3.根据权利要求1所述的一种面向高光谱图像的轻量化深度模型训练方法，其特征在于，所述多层感知机MLP的第一层神经元个数为C/r，激活函数为RELU，第二层神经元个数为C，也就是当前的通道数。

【技术特征摘要】

1.一种面向高光谱图像的轻量化深度模型训练方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向高光谱图像的轻量化深度模型训练方法，其特征在于，所述sst模块内部的embedding模块和mappling模块...

【专利技术属性】
技术研发人员：郭斌，宋戈扬，刘思聪，於志文，李沛霖，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：