基本信息:
- 专利标题： 基于光谱深度提取卷积神经网络SDA-CNN的树种分类方法及其系统
- 申请号：CN202411493850.X 申请日：2024-10-24
- 公开(公告)号：CN119273994B 公开(公告)日：2025-07-18
- 发明人： 王雷光 , 王燕 , 徐伟恒 , 赵毅力 , 代沁伶 , 钟丽辉 , 欧光龙 , 赵志鹏
- 申请人： 西南林业大学
- 申请人地址： 云南省昆明市白龙寺300号
- 专利权人： 西南林业大学
- 当前专利权人： 西南林业大学
- 当前专利权人地址： 云南省昆明市白龙寺300号
- 代理机构： 昆明隆合知识产权代理事务所(普通合伙)
- 代理人： 龙燕
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G06V20/10 ; G06V10/42 ; G06V10/44 ; G06V10/58 ; G06V10/77 ; G06V10/82 ; G06V10/774 ; G06V10/80 ; G06N3/0464 ; G06N3/045 ; G06N3/084
摘要：
本申请公开了基于光谱深度提取卷积神经网络SDA‑CNN的树种分类方法及其系统，可以克服高光谱影像中的光谱信息的利用效率较低以及无法有效地提取每个光谱通道的有效特征，导致树种分类性能被限制的技术缺陷，最终提升树种分类性能以及分类准确性。树种分类方法包括：使用高光谱森林影像数据构建的深度学习样本集，对光谱深度提取卷积神经网络SDA‑CNN模型进行模型训练以及树种分类，在SDA‑CNN模型中采用包括二维卷积和逐深度卷积的混合神经网络模块，并新增设置有领域像素感知模块，使得二维卷积用于提取图像的全局空间信息以生成全局特征；逐深度卷积用于在每个光谱通道上独立执行卷积操作而不在各光谱通道间共享权重以提取各光谱通道间的相关性信息，领域像素感知模块用于提取邻近像素中包含的目标像素周围的环境信息。
公开/授权文献:
- CN119273994A 基于光谱深度提取卷积神经网络SDA-CNN的树种分类方法及其系统 公开/授权日：2025-01-07