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！

龙图腾网获悉大连海事大学申请的专利一种基于尺度归因扩张网络的高光谱影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：CN117095289B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202311005759.4，技术领域涉及：G06V20/10；该发明授权一种基于尺度归因扩张网络的高光谱影像分类方法是由于纯妍;朱元琛;宋梅萍;王玉磊;张强设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本一种基于尺度归因扩张网络的高光谱影像分类方法在说明书摘要公布了：本发明公开了一种基于尺度归因扩张网络的高光谱影像分类方法，包括设计训练裁剪尺寸集合、验证裁剪尺寸集合以及测试裁剪尺寸集合，获取高光谱影像集合，依次从裁剪尺寸集合中选择裁剪尺寸，根据裁剪尺寸对高光谱影像集合中的影像进行裁剪后获取训练集序列、验证集序列和测试集序列，构建尺度归因扩张网络模型，所述尺度归因扩张网络模型包括预处理模块、四个级联的尺度保持网络层以及全局平均池化层，基于多尺度训练策略对尺度归因扩张网络模型进行训练，根据训练后的尺度归因扩张网络模型对高光谱影像进行分类。尺度归因扩张网络模型能够减少冗余光谱信息，提升空间信息，学习到更具区分性的嵌入特征，得到了更好的分类精度。

本发明授权一种基于尺度归因扩张网络的高光谱影像分类方法在权利要求书中公布了：1.一种基于尺度归因扩张网络的高光谱影像分类方法，其特征在于，包括， 步骤一、设计训练裁剪尺寸集合、验证裁剪尺寸集合以及测试裁剪尺寸集合，所述训练裁剪尺寸集合、验证裁剪尺寸集合均包括多种尺度类型，所述测试裁剪尺寸集合包括一种尺度类型，所述尺度包括长度和宽度， 步骤二、获取高光谱影像集合，依次从训练裁剪尺寸集合中选择训练裁剪尺寸，根据训练裁剪尺寸对高光谱影像集合中的影像进行裁剪后获取训练集序列，依次从验证裁剪尺寸集合中选择验证裁剪尺寸，根据验证裁剪尺寸对高光谱影像集合中的影像进行裁剪后获取验证集序列，依次从测试裁剪尺寸集合中选择测试裁剪尺寸，根据测试裁剪尺寸对高光谱影像集合中的影像进行裁剪后获取测试集序列， 步骤三、构建尺度归因扩张网络模型， 步骤四、基于多尺度训练策略对尺度归因扩张网络模型进行训练，根据训练后的尺度归因扩张网络模型对高光谱影像进行分类， 所述基于多尺度训练策略对尺度归因扩张网络模型进行训练包括依次从训练裁剪尺寸集合中选择训练裁剪尺寸，根据训练裁剪尺寸所对应的训练集对尺度归因扩张网络模型进行训练，根据与训练裁剪尺寸对应的验证集对训练后的尺度归因扩张网络模型进行验证并计算平均分类精度，保存当前平均分类精度值的训练后的尺度归因扩张网络模型，重新获取下一个训练裁剪尺寸以及对应的训练集，根据对应的训练集对前一次训练后的尺度归因扩张网络模型进行训练并进行验证，同时确认本次训练后的平均分类精度值是否大于前一次训练后的平均分类精度值，是则保存本次平均分类精度值的训练后的尺度归因扩张网络模型，直到遍历完所有训练裁剪尺寸，获取到平均分类精度值最高的训练后的尺度归因扩张网络模型，从测试集序列中选择测试集对平均分类精度值最高的训练后的尺度归因扩张网络模型进行测试； 所述构建尺度归因扩张网络模型包括构建预处理模块、四个级联的尺度保持网络层与全局平均池化层， 所述预处理模块用于提取高光谱影像的非线性特征，所述预处理模块包括第一二维转置卷积层、第一归一化层、第一ReLU层以及最大池化层， 所述尺度保持网络层用于扩大高光谱影像的非线性特征的的空间尺度，缩小高光谱影像的非线性特征的通道数目，所述尺度保持网络层包括四个基本模块、基本残差模块与通道调制残差模块，所述基本模块包括第二二维转置卷积层、第二归一化层以及第三ReLU层，所述基本残差模块包括第三二维转置卷积与第三归一化层，所述通道调制残差模块包括第四二维转置卷积层、第四归一化层、第四一维转置卷积层以及第四全局平均池化层，其中，基本残差模块连接在第一基本模块与第二基本模块之间，通道调制残差模块连接在第三基本模块与第四基本模块之间， 所述全局平均池化层用于根据最后一级尺度保持网络层所生成的类别嵌入向量生成onehot编码。

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大连海事大学，其通讯地址为：116000 辽宁省大连市甘井子区凌水街道凌海路1号；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”。

以上内容由龙图腾AI智能生成。