公开(公告)号：CN117853796A

公开(公告)日：2024-04-09

申请号：CN202311860823.7

申请日：2023-12-31

Applicant: 桂林理工大学

Inventor： 张峻恺 ,  杨家志

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/40 ,  G06V10/58 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于残差挤压激励的数据融合分类方法，属于遥感数据地物分类领域。采用编码器解码器结构的网络模型，通过引入挤压激励（squeeze and excitation,SE）和结构化随机失活（DropBlock）的方式构建残差挤压激励块（residual squeeze and excitation，RSE），以改进深度残差网络。本发明中的残差挤压激励块通过明确卷积特征通道之间的相互依赖关系，增强了网络生成的表示质量，使网络能够更好地捕捉特征，解决了深度学习网络中梯度爆炸和网络退化等问题，提高了模型的泛化能力；通过学习使用全局信息来选择性地强调信息性特征，并抑制不太有用的特征，从而增加了特征的稳健性，进一步提高了遥感数据地物分类的准确度。

公开(公告)号：CN118172660A

公开(公告)日：2024-06-11

申请号：CN202410147989.2

申请日：2024-02-02

Applicant: 桂林理工大学

Inventor： 张峻恺 ,  杨家志

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/80 ,  G06V10/143 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06V10/771

Abstract: 本发明提供了一种基于密集连接和注意力机制的数据融合分类方法，属于遥感数据地物分类领域。采用密集连接网络的跳跃连接机制，并引入通道注意力模块和全卷积来改进分类器的方式，对高光谱图像和LiDAR数据进行特征提取，然后将它们进行拼接融合，并进行分类处理。密集连接网络强烈鼓励整个网络中的特征重用，并使得所有层都能直接接收损失函数的监督信号，最大化了网络中的信息流通，增强了特征重用和特征的稳健性。通过引入注意力机制改进分类器，并建立由全卷积层组成的融合分类网络，自适应地学习和调整各个通道的特征权重，实现了对异构特征的深度融合分类，提高了分类模型的准确性和泛化能力。