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！

龙图腾网恭喜大连理工大学;辽宁师范大学;山东纬横数据科技有限公司;中国船舶集团有限公司第七0九研究所申请的专利特征分而治之的遥感图像目标识别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：CN116385890B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210905706.7，技术领域涉及：G06V20/13；该发明授权特征分而治之的遥感图像目标识别方法是由赵文达;张哲溥;解世赓;赵凡;刘兴惠;黄友澎;马晓瑞;孔雨秋设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本特征分而治之的遥感图像目标识别方法在说明书摘要公布了：本发明属于图像信息处理技术领域，公开了一种特征分而治之的遥感图像目标识别方法。本方法在将特征学习与分类学习解耦的基础上，首先将多数类和少数类的特征空间分离，再在各自的特征空间中学习具体的类边界，以“分而治之”的方式降低多数类和少数类之间的相互影响。本方法也可以直接嵌入到其他受长尾问题影响的与分类相关的视觉任务中，并且可以起到良好的分类效果。同时本方法对于其他分类有关的视觉任务都具有良好的泛化性，可以作为长尾问题的一种有效的解决方案。

本发明授权特征分而治之的遥感图像目标识别方法在权利要求书中公布了：1.一种特征分而治之的遥感图像目标识别方法，其特征在于，步骤如下： 给定一个具有N张图片样本的训练数据集其中yi是图片样本xi对应的K个类别之一的真值标签；首先对训练数据集D的长尾分布进行定义；统计训练数据集D中每个标签类别包含的样本数量Nj，随后计算每个类别样本在训练数据集D中出现的频率fj＝NjN；设定阈值λ∈0,1，对于每个类别j若有fj≥λ则认为该类别属于多数类；否则认为该类别为少数类；为练数据集D中的每个样本xi扩充一个二值标签表征该样本所属类别为多数类即或少数类即得到数据集其中： 模型以ResNet残差网络为基础，包括特征提取网络ε和分类头部C；其中特征提取网络ε对应ResNet网络中conv1～conv4的结构，将输入RGB图片降采样16倍得到对应的特征图表示；分类头部C对应ResNet网络中conv5与其后的平均池化层以及全连接层，将特征表示转化为具体分类任务中的概率分布预测；模型的训练分为四个阶段，具体如下： 模型训练的第一个阶段，在特征提取网络ε后设置并行的分类头C1和C2，使用数据集D'对ε、C1、C2进行整体训练； C1为二分类器，使用sigmoid函数激活并以标签为目标真值训练网络，将多数类与少数类在特征空间分离；损失函数为二值交叉熵损失： 其中，是C1预测的样本xi为少数类的概率； C2为多分类器，使用softmax函数激活并以标签yi为目标真值对特征提取进行约束；损失函数为多分类交叉熵损失： 其中，是C2预测的样本xi的真实类别概率分布，每个元素表示样本xi属于类别c的概率；若样本xi的真实类别为c则yic＝1，否则yic＝0； 第一阶段网络的整体损失L1定义为LC1和LC2的加权组合： L1＝αLC1+1-αLC24 其中，α∈0,1为权重系数； 在第二阶段的训练中为进一步确定多数类与少数类的边界以使二者更好地分离，根据对第一阶段训练终止时C1分类器对所有训练数据集D的预测将数据集D'划分为两个子集D'H与D'T；其中D'H为D'中所有被C1预测为多数类的样本的集合；D'T为D'中所有被C1预测为少数类的样本的集合，并有D'H∪D'T＝D'；在第二阶段中特征提取网络ε的参数将被固定为上一阶段训练结束时的状态不进行更新，以实现对特征空间的固定；C1、C2将被两个独立的分类头CH与CT取代，分别对多数类与少数类的边界进行精细划分； 分类器CH需在D'H中将所有在第一阶段中被错误划分为多数类的少数类样本与真正的多数类样本进行区分，其损失函数仍被表示为二值交叉熵损失： 其中，为分类器CH对样本为少数类的概率预测； 同理，分类器CT需在D'T中区分被错误划分的多数类以及真正的少数类样本，其损失函数为： 其中，为分类器CT对样本为少数类的概率预测； 第三阶段的训练中分类头CH与CT将被固定，引导特征提取网络ε重新进行参数更新；使用数据集D'的所有数据进行训练，对两个分类器均有相同的二分类任务；第三阶段的整体损失为： 经过以上三个阶段的训练，特征提取网络ε将有足够的能力在特征空间中对多数类与少数类样本进行整体分离，在此基础之上再在各自的特征空间中学习每一类的具体边界； 在最后阶段的训练中，特征提取网络ε的网络参数将被再次固定并与一个多分类头C连接，CH与CT将被移除；使用原始数据集D训练C在分离后的特征空间上对真实类别的边界进行划分，目标函数为普通多分类交叉熵损失：

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大连理工大学;辽宁师范大学;山东纬横数据科技有限公司;中国船舶集团有限公司第七0九研究所，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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”。