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！

龙图腾网获悉南京大学申请的专利一种层次化特征自主学习的遥感图像特征提取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：CN117011701B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310782744.2，技术领域涉及：G06V20/10；该发明授权一种层次化特征自主学习的遥感图像特征提取方法是由张学良;地力夏提·木哈塔尔;肖鹏峰设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本一种层次化特征自主学习的遥感图像特征提取方法在说明书摘要公布了：本发明公开了一种层次化特征自主学习的遥感图像特征提取方法，包括：对输入遥感图像x进行两次随机裁剪，得到输入遥感图像x的两个不同视图，记为xa,xb；对视图xa进行随机掩码，得到掩码图像xm；对视图xb进行随机图像变换，得到变换图像xg；将掩码图像xm输入至学生模型中，得到掩码图像xm的特征图fm；将变换图像xg输入至教师模型中，得到变换图像xg的特征图fg；依据特征图fm，学习像素级别的图像特征；依据特征图fm和特征图fg，学习对象级别的目标可分性特征和学习场景级特征。

本发明授权一种层次化特征自主学习的遥感图像特征提取方法在权利要求书中公布了：1.一种层次化特征自主学习的遥感图像特征提取方法，其特征在于：包括以下步骤： 对输入遥感图像x进行两次随机裁剪，得到输入遥感图像x的两个不同视图，记为xa,xb；对视图xa进行随机掩码，得到掩码图像xm；对视图xb进行随机图像变换，得到变换图像xg；将掩码图像xm输入至学生模型中，得到掩码图像xm的特征图fm；将变换图像xg输入至教师模型中，得到变换图像xg的特征图fg； 将特征图fm输入至重建解码器中，通过重建视图xa以学习像素级别的图像特征； 根据随机裁剪的裁剪参数，计算得到特征图fm和特征图fg中每个特征向量的位置编码，并依据位置编码，计算特征图fm与特征图fg间特征向量之间的欧式距离，选择N个欧式距离最近的特征向量作为位置匹配的样本对，样本对通过局部投影投影到另一个特征空间，投影后的样本对分别映射到可学习的Prototypes中并通过Softmax操作获得每一个特征向量关于Prototypes的概率分布；通过计算样本对所对应概率分布之间的交叉熵损失函数来对齐样本对中两特征向量之间的语义信息以学习对象级别的目标可分性特征； 特征图fm和特征图fg通过全局池化获得变换图像xg与掩码图像xm的场景级别全局特征，通过优化InfoNCE损失函数来拉近学生模型与教师模型的全局特征在特征空间中的距离并推远两者与视觉字典中其他特征的距离，学习场景级特征。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22号南京大学；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”。