4、遥感图像分类与机械臂抓取的深度学习方法

遥感图像分类与机械臂抓取的深度学习方法

一、改进的孪生胶囊网络用于小样本遥感图像分类

1.1 完整模型结构

改进网络的整体结构包含多个处理步骤：
1. 数据预处理 ：将输入的遥感图像调整大小，使其符合模型所需的图像输入尺寸。
2. 卷积特征提取 ：使用ResNet对图像进行卷积特征提取，得到特征张量。
3. 孪生胶囊网络处理 ：使用孪生胶囊网络处理两个输入图像，每个输入图像对应一个胶囊网络，每个胶囊代表一个特定的特征向量。使用动态路由算法训练胶囊网络，以提高模型的性能和准确性，得到两个图像的胶囊向量。
4. 注意力机制特征提取 ：使用CBAM注意力机制提取重要特征。CBAM模块由通道注意力和空间注意力两部分组成，通道注意力增强不同通道之间的相关性，空间注意力增强特定空间区域的相关性，得到特征张量。
5. 相似度计算与损失计算 ：计算每对图像之间的相似度，使用欧几里得距离进行计算。使用对比损失函数（Contrastive Loss）计算模型的损失，以指导模型的训练和优化。

1.2 实验分析

1.2.1 图像数据库

使用UC Merced Land Use Dataset，该数据集包含21类高分辨率航空影像，每类有100张256×256像素的彩色图像。对数据集进行增强处理，包括旋转、随机裁剪和添加噪声，增强后的数据集共有5234张图像。从增强后的数据集中，每类选取1张和5张图像作为训练集，其余作为