買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜安徽大學(xué)申請(qǐng)的專利基于光譜-空間自注意力和Transformer網(wǎng)絡(luò)的高光譜圖像分類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117315481B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202311369853.8，技術(shù)領(lǐng)域涉及：G06V20/10；該發(fā)明授權(quán)基于光譜-空間自注意力和Transformer網(wǎng)絡(luò)的高光譜圖像分類方法是由黃林生;章露;趙晉陵;阮超;雷雨;黃文江設(shè)計(jì)研發(fā)完成，并于2023-10-23向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于光譜-空間自注意力和Transformer網(wǎng)絡(luò)的高光譜圖像分類方法在說明書摘要公布了：本發(fā)明涉及一種基于光譜?空間自注意力和Transformer網(wǎng)絡(luò)的高光譜圖像分類方法，包括：輸入高光譜圖像；使用主成分分析進(jìn)行降維，得到降維后的高光譜圖像；通過CBAM模塊進(jìn)行初步的光譜?空間特征學(xué)習(xí)；進(jìn)行初步特征學(xué)習(xí)；再經(jīng)過光譜注意力模塊得到光譜特征，最后繼續(xù)挖掘光譜特征；輸入空間注意力模塊；輸入Transformer模塊，對(duì)全局特征進(jìn)行學(xué)習(xí)；將經(jīng)過全局特征學(xué)習(xí)的高光譜圖像，最后經(jīng)過全局池化、展平、批歸一化和線性層，得到最終分類結(jié)果。本發(fā)明通過對(duì)高光譜圖像作為研究對(duì)象，使用二維卷積能夠在保持計(jì)算效率的同時(shí)減少計(jì)算量和節(jié)約成本；實(shí)現(xiàn)輕量級(jí)、高效率的特征提取和通道選擇，提高了中心特征向量識(shí)別的準(zhǔn)確性，增強(qiáng)了空間提取能力。

本發(fā)明授權(quán)基于光譜-空間自注意力和Transformer網(wǎng)絡(luò)的高光譜圖像分類方法在權(quán)利要求書中公布了：1.一種基于光譜-空間自注意力和Transformer網(wǎng)絡(luò)的高光譜圖像分類方法，其特征在于：該方法包括下列順序的步驟：1輸入高光譜圖像H∈Rh×w×l，其中h、w、l分別代表高光譜圖像的長度、寬度以及波段數(shù)；2對(duì)輸入的高光譜圖像H∈Rh×w×l使用主成分分析進(jìn)行降維，得到降維后的高光譜圖像HPCA∈Rh×w×b，將波段數(shù)從l降維到b；3降維后的高光譜圖像HPCA通過CBAM模塊進(jìn)行初步的光譜-空間特征學(xué)習(xí)，得到第一輸出結(jié)果；4所述第一輸出結(jié)果依次通過批歸一化層、二維卷積層和Relu激活函數(shù)，進(jìn)行初步特征學(xué)習(xí)；再經(jīng)過光譜注意力模塊得到光譜特征，最后通過批歸一化層、二維卷積層和Relu激活函數(shù)繼續(xù)挖掘光譜特征，得到第二輸出結(jié)果Pi，j；5將第二輸出結(jié)果Pi，j輸入空間注意力模塊，得到第三輸出結(jié)果[P1，P2，…，Pω]；6將第三輸出結(jié)果[P1，P2，…，Pω]輸入Transformer模塊，對(duì)全局特征進(jìn)行學(xué)習(xí)，得到經(jīng)過全局特征學(xué)習(xí)的高光譜圖像；7將經(jīng)過全局特征學(xué)習(xí)的高光譜圖像，最后經(jīng)過全局池化、展平、批歸一化和線性層，得到最終分類結(jié)果；所述步驟4具體包括以下步驟：4a將第一輸出結(jié)果依次通過批歸一化層，3×3二維卷積和Relu激活函數(shù)，進(jìn)行初步特征學(xué)習(xí)；4b再經(jīng)過光譜注意力模塊得到光譜特征，所述光譜注意力模塊由兩組深度可分離卷積塊構(gòu)成，即第一組深度可分離卷積塊和第二組深度可分離卷積塊，所述第一組深度可分離卷積塊包含一個(gè)批歸一化層，一個(gè)1×1的點(diǎn)卷積、激活函數(shù)LeakyReLU、SE注意力模塊、3×3的逐通道卷積以及激活函數(shù)ReLU；所述第二組深度可分離卷積塊包含一個(gè)批歸一化層，一個(gè)1×1的點(diǎn)卷積、激活函數(shù)LeakyReLU、SE注意力模塊、5×5的逐通道卷積以及激活函數(shù)ReLU；4c再通過批歸一化層，3×3二維卷積和Relu激活函數(shù)增強(qiáng)光譜特征表示，得到第二輸出結(jié)果Pi，j。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人安徽大學(xué)，其通訊地址為：230601 安徽省合肥市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)九龍路111號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。