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)恭喜浙江安防職業(yè)技術(shù)學(xué)院;溫州市未來城市研究院;中國地質(zhì)大學(xué)(武漢)申請的專利一種基于元偽標(biāo)簽多尺度圖卷積網(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)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119399562B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25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?zhí)?專利號為：202510004147.6，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于元偽標(biāo)簽多尺度圖卷積網(wǎng)絡(luò)的高光譜圖像分類方法是由徐海燕;徐剛;吳柯;楊帆;李素怡;占燕婷設(shè)計(jì)研發(fā)完成，并于2025-01-02向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于元偽標(biāo)簽多尺度圖卷積網(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)明涉及一種基于元偽標(biāo)簽多尺度圖卷積網(wǎng)絡(luò)的高光譜圖像分類方法，通過建立元偽標(biāo)簽的多尺度特征搜索圖卷積網(wǎng)絡(luò)MPL?MFSGCN，先利用SLIC超像素分割技術(shù)將HSI劃分為不同尺度的超像素圖并轉(zhuǎn)化為圖結(jié)構(gòu)；接著構(gòu)建了一個多尺度特征搜索圖卷積網(wǎng)絡(luò)MFSGCN架構(gòu)，并利用神經(jīng)網(wǎng)絡(luò)搜索算法優(yōu)化超像素特征權(quán)重組合，增強(qiáng)特征表達(dá)的判別力；通過采用共享同一圖卷積網(wǎng)絡(luò)的半監(jiān)督教師?學(xué)生模型來生成元偽標(biāo)簽，并對學(xué)生網(wǎng)絡(luò)進(jìn)行微調(diào)，以提高網(wǎng)絡(luò)的魯棒性；在小樣本條件下能自動捕獲關(guān)鍵特征，相較于常用的HSI數(shù)據(jù)集上取得了比先進(jìn)方法更高的分類精度，有效提升了分類準(zhǔn)確性。

本發(fā)明授權(quán)一種基于元偽標(biāo)簽多尺度圖卷積網(wǎng)絡(luò)的高光譜圖像分類方法在權(quán)利要求書中公布了：1.一種基于元偽標(biāo)簽多尺度圖卷積網(wǎng)絡(luò)的高光譜圖像分類方法，其特征在于：包括以下步驟，s1，使用卷積神經(jīng)網(wǎng)絡(luò)CNN提取原始高光譜圖像的像素級特征；s2，將原始高光譜圖像劃分為無標(biāo)簽數(shù)據(jù)集與標(biāo)簽數(shù)據(jù)集，進(jìn)行四種尺度的超像素分割；s3，合并較小超像素形成較大超像素，得到了多層超像素結(jié)構(gòu)圖，包含每個尺度下的圖特征結(jié)構(gòu)，與不同尺度下超像素之間關(guān)系的層次矩陣H，之后將超像素點(diǎn)作為圖的節(jié)點(diǎn)，并連接相鄰超像素作為邊；s4，構(gòu)建多尺度特征搜索圖卷積網(wǎng)絡(luò)MFSGCN，使用圖卷積神經(jīng)網(wǎng)絡(luò)GCN對不同尺度的超像素特征圖進(jìn)行融合；s5，通過步驟s4獲得最終的融合特征后，引入元偽標(biāo)簽方法進(jìn)行模型訓(xùn)練，建立共享同一個圖卷積網(wǎng)絡(luò)結(jié)構(gòu)的半監(jiān)督的教師-學(xué)生模型，由待訓(xùn)練的教師網(wǎng)絡(luò)使用有標(biāo)簽的訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，預(yù)訓(xùn)練后的教師網(wǎng)絡(luò)在根據(jù)無標(biāo)簽數(shù)據(jù)生成預(yù)測結(jié)果，得到相應(yīng)的偽標(biāo)簽，計(jì)算偽標(biāo)簽、有標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù)在學(xué)生網(wǎng)絡(luò)中的損失，利用最小化期望損失，進(jìn)行網(wǎng)絡(luò)參數(shù)迭代更新，優(yōu)化教師網(wǎng)絡(luò)參數(shù)與學(xué)生網(wǎng)絡(luò)損失函數(shù)，得到損失最小且分類精度最高的學(xué)生網(wǎng)絡(luò)；s6，對學(xué)生網(wǎng)絡(luò)進(jìn)行計(jì)算驗(yàn)證損失與驗(yàn)證精度，依據(jù)計(jì)算結(jié)果微調(diào)學(xué)生網(wǎng)絡(luò)，之后重復(fù)計(jì)算驗(yàn)證與微調(diào)網(wǎng)絡(luò)操作，至計(jì)算結(jié)果符合停止閾值，得到最佳的教師-學(xué)生模型，完成基于元偽標(biāo)簽的多尺度特征搜索圖卷積網(wǎng)絡(luò)MPL-MFSGCN；s7，使用訓(xùn)練完成的網(wǎng)絡(luò)模型進(jìn)行分類制圖，與其它常用分類模型對比，分析分類結(jié)果精度。

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)系本專利的申請人或?qū)＠麢?quán)人浙江安防職業(yè)技術(shù)學(xué)院;溫州市未來城市研究院;中國地質(zhì)大學(xué)(武漢)，其通訊地址為：325000 浙江省溫州市甌海區(qū)甌海大道2555號；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)”。