低空无人机高光谱遥感基础大模型的构建方法与流程
技术特征：
1.一种低空无人机高光谱遥感基础大模型的构建方法，其特征在于：包括以下步骤；
2.根据权利要求1所述的低空无人机高光谱遥感基础大模型的构建方法，其特征在于：动态掩码层按步骤sa1~sa4构成mae模型的输入；
3.根据权利要求2所述的低空无人机高光谱遥感基础大模型的构建方法，其特征在于：nkeep=0.75×nh×nw×nd。
4.根据权利要求1所述的低空无人机高光谱遥感基础大模型的构建方法，其特征在于：、、，为向上取整，mmin=25%、mmax=75%。
5.根据权利要求1所述的低空无人机高光谱遥感基础大模型的构建方法，其特征在于：高光谱样本在输入图像分块层之前，还进行图像预处理，用于对高光谱样本进行图像增强及去噪处理。
技术总结
本发明公开了一种低空无人机高光谱遥感基础大模型的构建方法，包括构造数据集，其中样本是H×W×D的高光谱样本；构造三维扩展MAE模型，包括图像分块层、3D位置编码层、动态掩码层、MAE模型、HED模型；构造总损失函数L；训练三维扩展MAE模型得到光谱大模型，用于重构高光谱样本得到预测高光谱图像。本发明将传统二维的MAE模型扩展到三维，结合动态遮挡率策略和3D位置编码使重构的图像能更好地表达不同物体和表面的光谱特性，再结合HED模型对边缘细节加强处理，提供更准确的物理边界。本发明适合于精确的物质识别和分类，特别适用于精准农业、环境保护、以及灾害管理等领域复杂的环境监测和资源评估任务中。
技术研发人员：王琛,李翔,魏霞,叶绍泽,李沅明
受保护的技术使用者：江西啄木蜂科技有限公司
技术研发日：
技术公布日：2024/11/26
文档序号 :
【 40127062 】
技术研发人员：王琛,李翔,魏霞,叶绍泽,李沅明
技术所有人：江西啄木蜂科技有限公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：王琛,李翔,魏霞,叶绍泽,李沅明
技术所有人：江西啄木蜂科技有限公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除