CN116503753B 一种基于多模态空域变换网络的遥感图像场景分类方法 （重庆邮电大学）_第1页
CN116503753B 一种基于多模态空域变换网络的遥感图像场景分类方法 （重庆邮电大学）_第2页
CN116503753B 一种基于多模态空域变换网络的遥感图像场景分类方法 （重庆邮电大学）_第3页
CN116503753B 一种基于多模态空域变换网络的遥感图像场景分类方法 （重庆邮电大学）_第4页
CN116503753B 一种基于多模态空域变换网络的遥感图像场景分类方法 （重庆邮电大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于多模态空域变换网络的遥感图像及一种基于多模态空域变换网络的遥感图像场征；通过GloVe模型与自注意力机制来提取类名模态信息以及探索模态之间的内在相关性来实2S33：将图像的类别标签输入类名嵌入模块，通过GloS36：将图像、文本的分类损失以及相似度损失作为遥感图像分类模型最终的损失函2.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其3.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其最终的变换参数θ,通过网格生成器利用定位网络最终的变换参数θ对图像中的位置进行相4.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其通过GloVe模型将K个场景类别的标签嵌入到一个m维向量空间R中，得到K个语义特征并进行复制扩展得到词向量Xi作为多头自注意力模型的输入进行多头自注意力机制操作，其中带缩放的点积注意力机制通过将查询向量Q、键向量K和值向量V进行点积运算得到注35.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其6.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其7.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其8.根据权利要求1所述的一种基于多模态空域变换网络的遥感图像场景分类方法，其img似度损失，f1和f2分别表示图像经过预训练网络得到的整体特征和融合类名的语义信息得45类损失以及相似度损失联合优化得到的遥感图像分类模型能够实现遥感[0018]图1为本发明的一种基于多模态空域变换网络的遥感图像场景分类方法的框架6回归层得到最终的变换参数θ,通过网格生成器利用定位网络回归的变换参数θ对图像中的[0038]通过GloVe模型将K个场景类别的标签嵌入到一个m维向量空间R中，从而产生K个切分为n段并进行复制扩展得到词向量Xi作为多头自注意力模型的输入进行多头自注意力7示相似度损失，f1和f2分别表示图像

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论