公开(公告)号：CN118587467A

公开(公告)日：2024-09-03

申请号：CN202410371409.8

申请日：2024-03-29

Applicant: 南京邮电大学

Inventor： 倪康 ,  王铎 ,  李姿润 ,  郑志忠

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种小波特征引导头选择Transformer网络的高光谱和LiDAR联合分类方法，在空间和光谱维度上同时抽取HSI和LiDAR数据在频域和空间域内的细节特征和非冗余全局上下文特征，为了更好地获取空间和光谱特征的细节信息，首先引入光谱‑空间频域特征提取模块，继而在传统Transformer编码器模块之后插入了基于头选择池化Transformer的自适应全局‑局部特征提取模块，最后，引入具有局部特征和全局类别标记的多模态特征融合分类模块，以生成最终的可辨别特征。本发明在考虑网络性能的同时，有效地降低了模型的参数量和对冗余信息的处理，缩短了模型的训练和推理的时间，大大地提升了模型性能。