[發(fā)明專利]一種基于遷移學(xué)習(xí)張量分解的高光譜異常檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110624715.4
• 申請(qǐng)日: 2021-06-04
• 公開（公告）號(hào): CN113379696A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 王玉磊;王鳳超;石瑤;宋梅萍;張建祎
• 申請(qǐng)（專利權(quán)）人: 大連海事大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/04;G06N3/08
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 姜玉蓉;李洪福

1.一種基于遷移學(xué)習(xí)張量分解的高光譜異常檢測(cè)方法，其特征在于包括：

設(shè)計(jì)具有連續(xù)卷積層的卷積神經(jīng)網(wǎng)絡(luò)模型，通過遷移訓(xùn)練有標(biāo)簽的高光譜數(shù)據(jù)生成同類和不同類別的像素對(duì)，采用反向傳播算法使網(wǎng)絡(luò)參數(shù)不斷迭代更新直至收斂；

采用塔克分解將完成訓(xùn)練的模型進(jìn)行卷積層分解，卷積運(yùn)算將H×W×S大小的輸入數(shù)據(jù)X映射到H'×W'×T大小的輸出數(shù)據(jù)Y，公式如下：

讀取待檢測(cè)數(shù)據(jù)，將待檢測(cè)像素與其周圍的16個(gè)像素形成像素對(duì)，將平均相似度得分作為判斷的依據(jù)，如果平均相似度得分大于設(shè)定閾值則視為異常目標(biāo)，否則為背景。

2.根據(jù)權(quán)利要求1所述的高光譜異常檢測(cè)方法，其特征在于：所述采用塔克分解將訓(xùn)練完備模型的卷積層分解時(shí)：將卷積核張量分解得到三個(gè)連續(xù)卷積公式，形成三個(gè)新的卷積層從而增加網(wǎng)絡(luò)深度，公式如下：

塔克分解后，卷積層中的通道數(shù)會(huì)發(fā)生變化，具體的結(jié)構(gòu)設(shè)計(jì)如下：

第一層：采用一維卷積，并將輸出通道的數(shù)量減為輸入通道的三分之一；

核心層：第一層卷積后，數(shù)據(jù)的空間信息不變，仍與原始輸入相對(duì)應(yīng)，采用conv2d二維卷積核提取空間信息，卷積核的大小等于分解前卷積層中使用的卷積核的大小；

最后一層：仍然使用一維卷積，但是輸出通道將擴(kuò)展到輸入通道的三倍，以恢復(fù)原始卷積數(shù)據(jù)的大小；

將卷積層分解后，保存分解模型，將每個(gè)卷積層分解為三個(gè)對(duì)應(yīng)的卷積層，并將分解后的張量作為新卷積層的參數(shù)。