[发明专利]基于多尺度裁剪机制的遥感图像文字说明生成方法

权利要求书

1.一种基于多尺度裁剪机制的遥感图像文字说明生成方法，其特征在于包括以下步骤：

步骤一、定义缩放尺度比例值列表S；

S＝[s₁,s₂,...,s_n] (1)

式中，s_i(i＝1,2,...,n)表示列表中定义的一个比例值，n表示列表中比例值的总数；

步骤二、对输入图像进行处理，将输入图像缩放为固定尺寸大小d×d，从列表S中选取一个比例值s_i，将缩放为固定尺寸大小的图像根据所选取比例值进行裁剪；

d'＝d×s_i (2)

式中，d'表示裁剪后的图像块尺寸大小；

步骤三、利用卷积神经网络CNN对裁剪后的图像块进行特征提取；

v₀＝CNN(P_i) (3)

式中，P_i表示裁剪后的图像块，CNN(·)表示卷积神经网络过程，v₀表示一个固定长度的特征向量；

步骤四、利用长短期记忆网络LSTM生成相应的文字说明语句；

y＝{ω₁,ω₂,...,ω_t,...,ω_N},t∈{0,...,N} (4)

h_t＝g(h_t-1,v₀,ω_t-1) (5)

p_t＝soft max(h_t) (6)

式中，h_t表示t时刻LSTM的隐藏状态，ω_t表示一句文字说明语句y中对应的每一个单词，g(·)表示LSTM的过程，p_t表示h_t经过soft max函数后的下一个单词出现的概率；然后最小化目标句子的负似然函数Loss损失函数；

式中，ω_t表示一句文字说明语句y中对应的每一个单词，p_t表示下一个单词出现的概率。