公开(公告)号：CN112633386B

公开(公告)日：2024-12-03

申请号：CN202011569729.2

申请日：2020-12-26

Applicant: 北京工业大学

Inventor： 陈志涛 ,  同磊 ,  禹晶 ,  肖创柏

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于SACVAEGAN的高光谱图像分类方法，在CVAEGAN的基础加入了一个潜在向量分类器模块用于对高光谱数据对应的潜在向量进行分类，使其与解码器和样本分类器协作训练，解决了GAN网络中随机产生的潜在向量与类别难以对应的问题，进而提高了准确性。在解码器，编码器以及判别器中应用了自注意力机制以及谱正则化的方法，自注意力机制能够使得网络模型能够更好的提取高光谱数据的特征，谱正则化方法能够提高模型的稳定性。在样本分类器中从空间和光谱两个角度进行提取特征，加入了残差网络的结构，提高模型分类的效果。

公开(公告)号：CN112633386A

公开(公告)日：2021-04-09

申请号：CN202011569729.2

申请日：2020-12-26

Applicant: 北京工业大学

Inventor： 陈志涛 ,  同磊 ,  禹晶 ,  肖创柏

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于SACVAEGAN的高光谱图像分类方法，在CVAEGAN的基础加入了一个潜在向量分类器模块用于对高光谱数据对应的潜在向量进行分类，使其与解码器和样本分类器协作训练，解决了GAN网络中随机产生的潜在向量与类别难以对应的问题，进而提高了准确性。在解码器，编码器以及判别器中应用了自注意力机制以及谱正则化的方法，自注意力机制能够使得网络模型能够更好的提取高光谱数据的特征，谱正则化方法能够提高模型的稳定性。在样本分类器中从空间和光谱两个角度进行提取特征，加入了残差网络的结构，提高模型分类的效果。