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！

龙图腾网获悉成都理工大学申请的专利一种基于ViT的遥感影像大模型的在线增量学习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：CN120339849B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510820334.1，技术领域涉及：G06V20/10；该发明授权一种基于ViT的遥感影像大模型的在线增量学习方法是由姚光乐;林凡皓;李军;王洪辉;王琛;徐晓宇;庞璐;彭鹏;杨冬营设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于ViT的遥感影像大模型的在线增量学习方法在说明书摘要公布了：本发明公开了一种基于ViT的遥感影像大模型的在线增量学习方法，属于图像处理技术领域，包括获取数据集；构造一双分支编解码网络，包括空‑谱双分支编码器、混合连接编码器HCE和混合连接解码器HCD；构造双分支编解码网络的损失函数L，用遥感影像数据集D以最小化L训练至收敛，得到第一基础模型并冻结其参数；基于第一基础模型和分类器构造第二基础模型，用第二基础模型的在线增量学习。本发明能实现跨模态特征的深度交互与增强；并基于LoRA方法进行在线增量学习和网络参数更新，并实时监测在线分类任务的损失变化来冻结与合并LoRA参数。在LoRA模块中引入正则化项来避免灾难性遗忘，从而实现高效、可扩展且任务无关的在线增量学习。

本发明授权一种基于ViT的遥感影像大模型的在线增量学习方法在权利要求书中公布了：1.一种基于ViT的遥感影像大模型的在线增量学习方法，其特征在于，包括以下步骤； S1，获取遥感影像数据集D，D={X1,X2,…,Xi,…,XN}，Xi为D中第i个经过类别标注的图像块，，C为光谱通道数，P×P为图像块尺寸，N为图像块总数； S2，构造一双分支编解码网络，包括空-谱双分支编码器、混合连接编码器HCE和混合连接解码器HCD，构造方法包括S21~S23； S21，构造空-谱双分支编码器，包括空间编码器和光谱编码器； 所述空间编码器用于对Xi进行随机掩码和空间编码，得到空间特征ei,s，所述光谱编码器用于对Xi进行随机掩码和光谱编码，得到光谱特征ei,c； S22，构造混合连接编码器HCE； 获取两个结构相同的Transformer编码器，均由Z个Transformer层堆叠而成； 将一Transformer编码器输入端连接空间编码器的输出，其中第z个Transformer层标记为Esz，另一Transformer编码器输入端连接光谱编码器的输出，其中第z个Transformer层标记为Ecz，1≤z≤Z； 将Esz中多头自注意力层修改为第一混合连接注意力模块HCA1，得到空间编码分支，将Ecz中多头自注意力层修改为第二混合连接注意力模块HCA2，得到光谱编码分支，两编码分支构成混合连接编码器； 所述HCA1的输出特征HCAc,s、HCA2的输出特征HCAs,c分别根据下式得到； HCAc,s=AttentionQc,Kc,Vc+AttentionQc,Ks,Vs， HCAs,c=AttentionQs,Ks,Vs+AttentionQs,Kc,Vc， 式中，Attention∙为自注意力操作，Qc、Kc、Vc分别为Ecz中的Q矩阵、K矩阵和V矩阵，Qs、Ks、Vs分别为Esz中的Q矩阵、K矩阵和V矩阵； S23，构造混合连接解码器HCD，包括空间解码分支和光谱解码分支，空间解码分支用于对空间编码器的掩码区域进行预测，得到空间重建图，所述光谱解码分支用于对光谱编码器的掩码区域进行预测，得到光谱重建图； S3，构造双分支编解码网络的损失函数L，用遥感影像数据集D以最小化L训练至收敛，得到第一基础模型并冻结其参数； S4，删除第一基础模型中HCD，将HCE两路输出相加后送入一分类器，得到第二基础模型，所述第二基础模型用于输入图像块，输出其对应的分类结果； S5，第二基础模型的在线增量学习； S51，在第二基础模型的空间编码分支和光谱编码分支各引入一LoRA模块； S52，用第二基础模型在线检测由图像块构成的数据流，用数据流基于LoRA方法更新LoRA模块参数，并检测数据流的数据分布是否改变； S53，若改变，将LoRA模块参数并入第二基础模型，并重复S51~S52，否则不处理。

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成都理工大学，其通讯地址为：610000 四川省成都市成华区二仙桥东三路1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”。