← 返回列表

基于掩码注意力机制的遥感场景分类方法

申请号: CN202311334853.4
申请人: 中国人民解放军海军航空大学
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 基于掩码注意力机制的遥感场景分类方法
专利类型 发明申请
申请号 CN202311334853.4
申请日 2023/10/16
公告号 CN117372763A
公开日 2024/1/9
IPC主分类号 G06V10/764
权利人 中国人民解放军海军航空大学
发明人 徐从安; 吴俊峰; 张建廷; 孙玮玮; 高龙; 周洪光; 孙显; 汪韬阳; 王海洋
地址 山东省烟台市芝罘区二马路188

摘要文本

本发明公开了一种基于掩码注意力机制的遥感场景分类方法,包括:建立网络模型,构建样本数据集,对网络模型进行训练,使用训练后的网络模型进行分类。本发明首先将图像进行分块处理,再对分块后的图像进行掩码操作,对于未被掩码的图像块,分别利用ResNet50和Transformer编码器分别进行初步特征提取,前者提取的特征进一步进行特征融合,后者提取的特征进一步进行特征增强,然后计算两路各自的交叉熵损失和综合的蒸馏交叉熵损失,再计算得到总损失,最后利用总损失反向优化网络模型,从而提高了遥感场景分类的准确率。

专利主权项内容

1.一种基于掩码注意力机制的遥感场景分类方法,其特征在于步骤包括:步骤一、建立网络模型,所述网络模型包括第一分类模块、第二分类模块和结果融合模块;所述第一分类模块包括第一初步特征提取模块和特征融合模块,所述特征融合模块用于将第一初步特征提取模块提取的多组特征相融合;所述第二分类模块包括第二初步特征提取模块和通道注意力模块,所述通道注意力模块用于对第二初步特征提取模块提取的特征进行特征增强;所述结果融合模块用于将第一分类模块得到的第一分类结果和第二分类模块得到的第二分类结果融合为最终分类结果;步骤二、构建样本数据集;步骤三、对所述网络模型中的第一分类模块和第二分类模型进行训练:将样本数据集中的图像进行分块和随机掩码操作,得到未被掩码的图像块,将未被掩码的图像块分别输入到第一分类模块和第二分类模块;样本数据集中所有图像处理完成后,根据所有的第一分类结果和所有的第二分类结果分别计算出两个交叉熵损失,并基于所有的第一分类结果和所有的第二分类结果计算出一个蒸馏损失,再基于两个交叉熵损失和一个蒸馏损失计算出总损失,基于总损失对网络模型进行反向优化;步骤四、将待分类图像进行分块,然后输入到训练后的网络模型中,得到网络模型所输出的最终分类结果,实现对待分类图像的场景分类。