买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉贵州大学申请的专利一种基于多尺度注意力的轻量级高光谱图像分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117218407B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310976807.8，技术领域涉及：G06V10/764；该发明授权一种基于多尺度注意力的轻量级高光谱图像分类方法是由阮小利;丁书杰;杨静;孙杰;胡丙齐设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本一种基于多尺度注意力的轻量级高光谱图像分类方法在说明书摘要公布了：本发明提出了一种基于多尺度注意力的轻量级高光谱图像分类方法，包括：步骤1：首先将HSI数据输入到卷积层中进行预处理，通过预处理能对输入的HIS数据进行初步的特征提取以及降维；步骤2：将预处理后的数据输入第一分支机构；步骤3：将预处理后的数据输入第二分支机构；步骤4：将步骤1、步骤2以及步骤3的输出进行特征融合并且将融合结果输入到动态分组卷积层；本发明有效地考虑了地物空间尺度的变化、充分利用了光谱空间特征，减轻了光谱差异和空间上下文信息不足，并提高了分类精确性。

本发明授权一种基于多尺度注意力的轻量级高光谱图像分类方法在权利要求书中公布了：1.一种基于多尺度注意力的轻量级高光谱图像分类方法，其特征在于，包括： 步骤1：首先将HSI数据输入到卷积层中进行预处理，通过预处理能对输入的HIS数据进行初步的特征提取以及降维； 步骤2：将预处理后的数据输入第一分支机构，所述第一分支机构包括MsCA模块和分组卷积层，预处理后的数据经过MsCA模块；然后，将MsCA模块的输出特征输入到分组卷积层进行特征提取；在所述MsCA模块中包括以下步骤： S1-1，将预处理后的HSI数据经过自适应平均池化处理后，得到一维光谱通道向量 其中： 表示当前通道数，C表示总的通道数； 为一维光谱通道向量； 表示当前通道下的一维光谱通道向量； Ho表示经过自适应平均池化操作后输出张量的长； Wo表示经过自适应平均池化操作后输出张量的宽； 其中自适应平均池化层的卷积核、步长通过以下公式求得： stride表示步长； floor.表示向下取整； 表示输出数据的空间大小Ho×Wo； Us表示输入数据的空间大小H×W； kernels表示卷积核； S1-2，设置多尺度内核来捕获不同距离的相关特征，定义了一组多尺度卷积核D＝{D1,D2,D3,…,DK′}，将经过自适应平均池化层得到的数据分别与多尺度的卷积核进行卷积之后，再将提取到的多尺度特征进行特征融合，提取具有相邻距离Ck的光谱相关特征Tk，公式如下： 其中：⊙表示卷积运算； 表示一维光谱通道向量； Dk表示卷积核； 表示经过自适应平均池化层计算得到的输出数据； 表示卷积核Dk第c次卷积； C表示总的通道数； S1-3，将具有相邻距离Ck的光谱相关特征Tk进行融合，融合特征Ts表示如下： 表示第个卷积核下的光谱相关特征Tk； K′表示卷积核总量； S1-4，之后将融合的特征Ts输入到具有非线性映射的全连接层中，得到通道掩码τ，公式如下： τ＝σW2×δW1×Ts6 其中：σ表示ReLu函数； δ表示Sigmoid函数； W1和W2是权重； S1-5，重新调整MsCA模块的输入数据U，重新调整后的数据为Unew，调整策略如下： 表示第个通道上的通道掩码， 表示输入数据的第个通道； 步骤3：将预处理后的数据输入第二分支机构，所述第二分支机构包括PAM模块、SFEF模块和分组卷积层，预处理后的数据经过PAM模块，通过位置特征对重要光谱特征进行突出处理，然后将PAM模块的输出输入SFEF模块，最后将SFEF模块的输出特征图输入分组卷积层；在所述SFEF模块中包括： SFEF模块的所有图层的特征都是在反馈连接和残差连接的帮助下流通，因此，现在每个层依次从其他层获得输出特征作为其输入；公式12和13分别表示SFEF模块输入和输出公式： 其中：Cm表示第m个卷积训练后得到的输出； 表示经过PAM模块后得到的输出； 表示ReLU激活函数； α表示批量规范化层； ⊙表示卷积运算； Xm+1表示第m+1个卷积的输入； W和B表示对应的权重和偏置； {}i表示样本的索引； 步骤4：将步骤1、步骤2以及步骤3的输出进行特征融合并且将融合结果输入到动态分组卷积层，该层中使用的卷积核将随着高光谱数据波段数量不同而不断变化，以适应不同的HSI数据； 步骤5：将步骤4得到特征图通过自适应平均池化进行降维，最后通过全连接层输出分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550000 贵州省贵阳市花溪区贵州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。