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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于3DCutMix-Transformer的高光谱图像分类方法及系统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：CN114494777B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210082474.X，技术领域涉及：G06V10/764；该发明授权一种基于3DCutMix-Transformer的高光谱图像分类方法及系统是由冯志玺;高雅晨;杨淑媛;陈帅;胡浩;彭同庆设计研发完成，并于2022-01-24向国家知识产权局提交的专利申请。

本一种基于3DCutMix-Transformer的高光谱图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于3DCutMix‑Transformer的高光谱图像分类方法及系统，将高光谱数据划分为有标签训练数据集和有标签验证数据集；通过CNN预训练3DCutMix；利用训练数据集进行3DCutMix得到的增强数据训练区域级老师模型和样本级老师模型；利用两个老师模型以及少量有标签数据集共同训练学生模型。本发明利用CNN进行3DCutMix进行预训练，接着采用3DCutMix对原始标签数据集进行数据增强，并优化两个老师模型各自的自监督损失和相互的交叉伪监督损失，使得共同训练的学生模型鲁棒性更好，增强和提高了现有高光谱图像分类技术中小样本下模型的泛化能力和准确率，可用于高光谱图像分类。

本发明授权一种基于3DCutMix-Transformer的高光谱图像分类方法及系统在权利要求书中公布了：1.一种基于3DCutMix-Transformer的高光谱图像分类方法，其特征在于，包括以下步骤：S1、将高光谱数据划分为有标签训练数据集Train和有标签验证数据集Test；S2、搭建CNN卷积神经网络，将步骤S1划分的有标签训练数据集Train输入CNN卷积神经网络，构建基于CNN的3DCutMix预训练模型；S3、基于步骤S2的3DCutMix预训练模型构建高光谱图像分类区域级老师模型和样本级老师模型，具体为：S301、在高光谱数据中随机选取两个像素元和进行3DCutMix操作得到和；S302、将步骤S301重复N次得到原始高光谱数据通过3DCutMix操作得到的增强数据，=1，2，…，F，=1，2，...，H，H为高光谱数据的波段数，F为高光谱数据总的像素数；S303、将步骤S302得到的增强数据输入区域级老师模型，经过一维Transformer得到伪标签；S304、将原高光谱数据输入样本级老师模型，经过一维Transformer得到伪标签；S305、分别将步骤S303的伪标签与步骤S304的伪与真实标签进行自监督损失，同时计算伪标签与伪标签之间的交叉伪监督损失，区域级老师模型的目标函数和样本级老师模型的目标函数，区域级老师模型的目标函数和样本级老师模型的目标函数分别为： 其中，、分别表示区域级老师模型和样本级老师模型的目标函数，表示交叉熵损失函数，和表示自监督损失，表示得到的伪标签与得到的伪标签之间的交叉伪监督损失；S4、通过集成步骤S3构建的高光谱图像分类区域级老师模型和样本级老师模型，以及步骤S1划分的有标签训练数据集Train共同训练学生模型，再将步骤S1划分的有标签验证数据集Test输入训练好的学生模型中，实现基于Transformer老师学生模型的高光谱图像分类，具体为：S401、将区域级老师模型和样本级老师模型进行集成操作，平均两个互补模型的输出为，区域级老师模型和样本级老师模型的集成表示为： 其中，E（）表示取平均区域级老师模型和样本级老师模型的输出，表示未标记的样本，表示每个类别输出的概率，表示权重；S402、区域级老师模型和样本级老师模型的输出被集成为指导，以监督学生模型在未标记的目标数据上的训练。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。