Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工业大学谷延锋获国家专利权

哈尔滨工业大学谷延锋获国家专利权

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!

龙图腾网获悉哈尔滨工业大学申请的专利面向遥感场景分类任务的基础模型参数微调方法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:CN118212547B

龙图腾网通过国家知识产权局官网在2025-06-10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:202410319866.2,技术领域涉及:G06V20/13;该发明授权面向遥感场景分类任务的基础模型参数微调方法是由谷延锋;董喆;刘天竹设计研发完成,并于2024-03-20向国家知识产权局提交的专利申请。

面向遥感场景分类任务的基础模型参数微调方法在说明书摘要公布了:面向遥感场景分类任务的基础模型参数微调方法,本发明涉及基础模型参数微调方法。本发明的目的为了解决大规模预训练基础模型微调时计算成本和内存需求大、适应性差以及现有微调方法忽略了遥感数据中的先验信息以及时空相关性的问题。过程为:1:获得预训练好的ConvNeXt骨干网络;2:构建场景分类网络模型;场景分类网络模型包括:ConvNeXt骨干网络、适配器模块、上下文感知提示模块和场景分类任务头;3:使用标注训练样本对场景分类网络模型的参数进行微调,微调时冻结除适配器模块、上下文感知提示模块及场景分类任务头的所有参数,获得微调好的场景分类网络模型。本发明用于遥感图像处理领域。

本发明授权面向遥感场景分类任务的基础模型参数微调方法在权利要求书中公布了:1.面向遥感场景分类任务的基础模型参数微调方法,其特征在于:所述方法具体过程为:步骤1:无标注的遥感图像对ConvNeXt骨干网络进行自监督预训练,获得预训练好的ConvNeXt骨干网络;步骤2:构建场景分类网络模型;具体过程为:场景分类网络模型包括:ConvNeXt骨干网络、适配器模块、上下文感知提示模块和场景分类任务头;所述适配器模块插入到预训练好的ConvNeXt骨干网络中的每个卷积块中;所述上下文感知提示模块插入到预训练好的ConvNeXt骨干网络中的每个卷积块后;所述场景分类任务头插入到预训练好的ConvNeXt骨干网络后;步骤3:使用标注训练样本对场景分类网络模型的参数进行微调,微调时冻结除适配器模块、上下文感知提示模块及场景分类任务头的所有参数,获得微调好的场景分类网络模型;所述步骤2中适配器模块EQAM依次包括:展平层Flatten、第一量化线性层Q-Linear、激活函数ReLU、第二量化线性层Q-Linear、缩放标量Scaling、变形Reshape;适配器模块EQAM的具体处理过程为:特征依次输入展平层Flatten、第一量化线性层Q-Linear、激活函数ReLU、第二量化线性层Q-Linear、缩放标量Scaling,缩放标量Scaling输出特征B′,Scaling输出特征B′与展平层Flatten输出特征进行元素级加和,得到特征B″,对特征B″进行重塑Reshape处理,得到特征B,特征B为适配器模块EQAM输出特征;所述步骤2中上下文感知提示模块包括:全局平均池化层、线性层、Softmax层、提示权重、双线性上采样层以及卷积核大小为1×1的卷积层;上下文感知提示模块的具体处理过程为:特征图F2依次输入全局平均池化层、线性层、Softmax层,Softmax层产生一个压缩的提示权重ε;引入了由一组可学习参数组成的提示P;提示P与权重ε进行点乘处理输出,条件输入相关的提示Pw;对条件输入相关的提示Pw进行双线性上采样后输入卷积核大小为1×1的卷积层,输出特征作为上下文感知提示模块的输出特征。

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哈尔滨工业大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。