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工程研究所申请的专利基于自监督学习的多源异构图像分割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：CN119399471B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411502365.4，技术领域涉及：G06V10/26；该发明授权基于自监督学习的多源异构图像分割方法是由白茹;荆钧尧;雷芬设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于自监督学习的多源异构图像分割方法在说明书摘要公布了：本申请的实施例涉及图像处理技术领域，特别涉及一种基于自监督学习的多源异构图像分割方法，包括：采集多源异构样本图像并在通道维度上进行叠加，得到多通道样本输入数据；构建由空间分支网络和通道分支网络组成的多源异构图像分割模型，空间分支网络和通道分支网络分别处理多通道样本输入数据，得到空间重建特征和通道重建特征，以构建掩码损失函数；将可见光样本图像和雷达样本图像作为正样本对，并分别进行投影变换和预测变换，得到可见光对比特征和雷达对比特征，以构建对比损失函数；基于掩码损失函数和对比损失函数构建总损失函数，对模型进行迭代训练至收敛，得到训练完成的模型，以应用于分割任务，实现对多源异构图像的高精度分割。

本发明授权基于自监督学习的多源异构图像分割方法在权利要求书中公布了：1.一种基于自监督学习的多源异构图像分割方法，其特征在于，包括： 采集多源异构样本图像，将不同源的样本图像在通道维度进行叠加，得到多通道样本输入数据；其中，多源异构样本图像包括可见光样本图像和雷达样本图像； 构建多源异构图像分割模型，多源异构图像分割模型由空间分支网络、通道分支网络和分类器组成，空间分支网络用于对多通道样本输入数据进行空间掩码处理、特征提取和特征重建，得到空间重建特征，通道分支网络用于对多通道样本输入数据进行通道掩码处理、特征提取和特征重建，得到通道重建特征，分类器用于对空间重建特征和通道重建特征进行融合，并基于融合特征进行分割； 基于多通道样本输入数据、空间重建特征和通道重建特征，构建掩码损失函数； 将内容相同的可见光样本图像和雷达样本图像作为正样本对，分别对可见光样本图像和雷达样本图像进行投影变换和预测变换，得到可见光对比特征和雷达对比特征； 基于可见光对比特征和雷达对比特征，构建对比损失函数； 基于掩码损失函数和对比损失函数构建总损失函数，并基于总损失函数对多源异构图像分割模型进行迭代训练至收敛，得到训练完成的模型； 将待分割多源异构图像输入至训练完成的模型中，得到训练完成的模型输出的对待分割多源异构图像的分割结果； 所述分别对可见光样本图像和雷达样本图像进行投影变换和预测变换，得到可见光对比特征和雷达对比特征，包括： 利用不对称学生教师结构网络分别对可见光样本图像和雷达样本图像进行投影变换和预测变换，不对称学生教师结构网络由上分支网络和下分支网络组成； 上分支网络由上分支特征编码器、上分支投影变换单元和预测变换单元组成，上分支投影变换单元由两层MLP组成，预测变换单元由一层MLP组成，每一层MLP均由第一线性层、批量归一化层、ReLU激活层和第二线性层组成； 上分支特征编码器用于对可见光样本图像进行特征提取，上分支投影变换单元用于将上分支特征编码器的输出映射到低维空间，预测变换单元则用于对上分支投影变换单元的输出进行预测，从而输出可见光对比特征； 下分支网络由下分支特征编码器和下分支投影变换单元组成； 下分支特征编码器用于对雷达样本图像进行特征提取，下分支投影变换单元用于将下分支特征编码器的输出映射到低维空间，从而输出雷达对比特征。

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西安电子工程研究所，其通讯地址为：710199 陕西省西安市长安区韦曲凤栖东街；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”。

以上内容由龙图腾AI智能生成。