【技术实现步骤摘要】
本专利技术涉及图像分类，尤其涉及一种基于双分支融合网络的图像分类方法、装置、设备及介质。
技术介绍
1、在城市建设中，根据不同的标准会将下垫面分为不同类型，但是，因为地物类别较多，且地物边界不够清晰，因此下垫面的自动分类难度较大。现阶段下垫面分类主要通过卷积神经网络完成，但是，现有的卷积神经网络的分类精度较低，难以满足要求，这是因为卷积神经网络在进行下垫面分类时其特征图会逐渐变小，从而造成地物信息的损耗，降低了分类精度。
技术实现思路
1、本专利技术实施例的目的是提供一种基于双分支融合网络的图像分类方法、装置、设备及介质，能够将图像中的空间细节特征和语义特征进行融合，从而减少图像信息的损耗，提高分类精度。
2、为实现上述目的，本专利技术实施例提供了一种基于双分支融合网络的图像分类方法，包括：
3、获取待分类图像；
4、将所述待分类图像输入预先构建的双分支融合网络，得到图像分类结果；其中，所述双分支融合网络包括：
5、语义特征分支，用于从所述待...
【技术保护点】
1.一种基于双分支融合网络的图像分类方法，其特征在于，包括：
2.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述语义特征分支由第一卷积层、池化层和N个残差模块组成，则，所述语义特征图通过以下方式提取：
3.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述空间信息分支由第二卷积层和N+1个卷积注意力模块组成，则，所述空间细节特征图通过以下方式提取：
4.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述空间信息分支包括边缘引导模块，用于提取所述边缘细节信息图，具体包括：>
5.如权利要...
【技术特征摘要】
1.一种基于双分支融合网络的图像分类方法，其特征在于，包括：
2.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述语义特征分支由第一卷积层、池化层和n个残差模块组成，则，所述语义特征图通过以下方式提取：
3.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述空间信息分支由第二卷积层和n+1个卷积注意力模块组成，则，所述空间细节特征图通过以下方式提取：
4.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述空间信息分支包括边缘引导模块，用于提取所述边缘细节信息图，具体包括：
5.如权利要求4所述的基于双分支融合网络的图像分类方法，其特征在于，在所述得到所述边缘细节信息图之后，还包括：
6.如权利要求1所述的基于双分支融合网络的图像分类方法，其特征在于，所述特征聚合解码器包括n个状态空间语义特征融合模块和n...
【专利技术属性】
技术研发人员：刘洋，柳翠明，张天琦，赵林峰，邵振峰，陈可蕴，龙奇勇，唐曾杨，陈国梁，马潮华，
申请(专利权)人：广州市城市规划勘测设计研究院有限公司，
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。