遥感图像识别方法、模型及装置制造方法及图纸

本发明专利技术实施例涉及小样本学习和跨域遥感图像识别技术领域，提供一种遥感图像识别方法、模型及装置，该方法包括：获取待识别的目标遥感图像并对所述目标遥感图像进行图像块划分，得到多个等大小的图像块；对每个图像块进行特征嵌入，生成所述每个图像块的特征向量；通过自注意力机制将所述每个图像块的特征向量与已有的模型训练集的特征进行特征交互，优化所述每个图像块的特征向量；基于优化后的每个图像块的特征向量对所述待识别的目标遥感图像进行识别，得到所述目标遥感图像对应的识别结果。由此，可以实现模型对不同域特征的适应能力、学习性能、分类精度、实际应用的灵活性以及应用的效率和实用性的提高。

【技术实现步骤摘要】

本专利技术涉及小样本学习和跨域遥感图像识别 ，尤其涉及一种遥感图像识别方法、模型及装置。

技术介绍

1、在小样本学习和跨域遥感图像识别领域，常见的方法包括原型网络（protonet）、孪生网络与原型网络结合的网络（spatial pooling net，spnet）、逐层相关性传播（layer-wise relevance propagation，lrp）、基于特征变换的跨域小样本分类（feature-wisetransformation，fwt）、深度最近邻神经网络（deep neural networks，dn4）以及双重自适应表征对齐（dual adaptive representation alignment，dara）等。原型网络通过计算每个类别的平均特征向量进行分类，在小样本场景下有一定表现；spnet结合了孪生网络和原型网络的优势，利用支持集和查询集之间的相似性进行小样本遥感分类；lrp方法通过逐层回溯特征重要性来增强模型的解释性；fwt则通过特征变换减少源域和目标域之间的差异，提高模型在目标域的表现；dn4利用深度特征邻域进行分类，在小样本本文档来自技高网...

【技术保护点】

1.一种遥感图像识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对每个图像块进行特征嵌入，生成所述每个图像块的特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述通过自注意力机制将所述每个图像块的特征向量与已有的模型训练集的特征进行特征交互，优化所述每个图像块的特征向量，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于优化后的每个图像块的特征向量对所述待识别的目标遥感图像进行识别，得到所述目标遥感图像对应的识别结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述每个图像块集合...

【技术特征摘要】

1.一种遥感图像识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对每个图像块进行特征嵌入，生成所述每个图像块的特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，所述通过自注意力机制将所述每个图像块的特征向量与已有的模型训练集的特征进行特征交互，优化所述每个图像块的特征向量，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于优化后的每个图像块的特征向量对所述待识别的目标遥感图像进行识别，得到所述目标遥感图像对应的识别结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述每个图像块集合对应的目标分类确定所述目标遥感图像对应的识别结果，包括：

6.一种遥感...

【专利技术属性】
技术研发人员：刘瑜，姜智卓，何城志，李耀文，李徵，李劭辉，何友，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：