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！

龙图腾网获悉西安电子科技大学申请的专利有限标注样本条件下的半监督遥感图像检索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：CN115937671B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202211440678.2，技术领域涉及：G06V20/10；该发明授权有限标注样本条件下的半监督遥感图像检索方法是由马晶晶;胡恒超;唐旭;张向荣;焦李成设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本有限标注样本条件下的半监督遥感图像检索方法在说明书摘要公布了：本发明公开了一种有限标注样本条件下的半监督遥感图像检索方法，主要解决在现有技术难以充分挖掘无标注样本中隐藏的语义信息，及在有限标注样本条件下泛化性能差的问题，其方案为：构建由有监督分支和自监督分支组成的半监督多任务双分支网络；将高分辨率遥感数据集划分为标注图像和无标注图像；提取标注图像的特征向量和类概率向量，提取无标注图像的增强视图的特征向量；用提取的特征向量和类概率向量对半监督多任务双分支网络进行训练；将待查询图像和待检索数据库输入到训练好的半监督多任务双分支网络，得到检索出的遥感图像。本发明增强了半监督多任务双分支网络的泛化性能，提高了半监督遥感图像的检索性能，可用于大规模遥感数据的管理。

本发明授权有限标注样本条件下的半监督遥感图像检索方法在权利要求书中公布了：1.一种有限标注样本条件下的半监督遥感图像检索方法，其特征在于，包括如下步骤： 1构建由有监督分支和自监督分支组成的半监督多任务双分支网络，这两个分支均包括主干网络、多尺度注意力模块和两个全连接层，且两分支的主干网络和多尺度注意力模块的权重共享； 2将标注样本的图像和对应的标签输入到有监督分支，通过该分支的第一个全连接层提取每张图像的特征向量，通过第二个全连接层生成每张图像的类概率向量； 3将无标注样本的每个图像进行两组不同的随机数据增强获得两个不同的增强视图，再将生成的所有增强视图输入到自监督分支中，通过自监督分支的两个全连接层组成的非线性投影头提取每个增强视图的特征向量； 4对半监督多任务双分支网络进行训练： 4a使用有监督分支第一个全连接层提取到的特征向量计算有监督深度度量学习损失函数LSDML，用第二个全连接层生成的类概率向量计算交叉熵损失函数LCE，并将这两个损失函数相加构成有监督分支的总损失函数Lsup； 4b用自监督分支提取到的特征向量计算改进的自监督对比学习损失函数LICSL，并将该函数作为自监督分支的损失函数； 4c设置超参数λ，通过参数λ将有监督分支和自监督分支的损失函数加权求和得到半监督多任务双分支网络的损失函数L； 4d使用随机梯度下降算法对半监督多任务双分支网络的损失函数L进行迭代求解，同时反向传播更新网络参数，直到损失函数收敛，得到训练好的半监督多任务双分支网络； 5利用训练好的半监督多任务双分支网络进行遥感图像检索： 5a将整个高分辨遥感数据集作为待检索数据库，将高分辨遥感数据集中的无标记样本作为测试集； 5b将测试集和待检索数据库中的所有图像输入到训练好的半监督多任务双分支网络，通过有监督分支的第一个全连接层提取测试集和待检索数据库中的每张图像的特征向量； 5c计算测试集中每张图像的特征向量和待检索数据库中所有图像的特征向量的欧氏距离，将每张图像欧氏距离最小的前20个特征向量所对应的图像作为每张图像的检索结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。