Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州师范大学王奔获国家专利权

杭州师范大学王奔获国家专利权

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!

龙图腾网获悉杭州师范大学申请的专利一种基于深度学习的遥感地物分类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:CN115908922B

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:202211460368.7,技术领域涉及:G06V10/764;该发明授权一种基于深度学习的遥感地物分类方法是由王奔;赵启航;周斌设计研发完成,并于2022-11-17向国家知识产权局提交的专利申请。

一种基于深度学习的遥感地物分类方法在说明书摘要公布了:本发明公开了一种基于深度学习的遥感地物分类方法,本发明包括获取遥感地物分类数据集,构建遥感图像生成模型,将遥感地物分类数据集输入至遥感图像生成模型中,实现数据增强;构建用于遥感地物分类的神经网络模型,将数据增强后的遥感地物分类数据集输入至神经网络模型中进行训练,训练后生成最优权重。将任意遥感图像输入训练后的模型,生成遥感地物分类图像。本发明通过对遥感地物图像进行数据增强,平衡改善了各地物类型占比情况,提高了整体地物分类精度。通过构建的网络模型进行遥感地物分类,增强了对不规则大尺寸地物类型的提取效果,改善了遥感地物小目标细节较难提取和复杂地物边缘难以区分的问题,提高遥感地物分类的总体精度。

本发明授权一种基于深度学习的遥感地物分类方法在权利要求书中公布了:1.一种基于深度学习的遥感地物分类方法,其特征在于:具体包括如下步骤: 步骤一、获取遥感地物分类数据集,数据集包括遥感地物分类的原始图像和及其对应的原始标注;将数据集分为训练集和验证集,训练集用于训练神经网络模型,验证集用于验证神经网络模型训练后对遥感地物分类的精度效果; 步骤二、基于条件生成对抗网络模型中的pix2pix算法构建遥感图像生成模型: 遥感图像生成模型采用U-Net框架,包括编码器、解码器以及用于连接低层语义信息和高层语义信息的跳跃连接;编码器采用ResNet50结构,跳跃连接部分添加通道注意力机制,使网络模型重视有效地物特征信息,忽视不必要特征信息;解码器模型包括上采样层和卷积层; 步骤三、将步骤一中遥感地物分类数据集输入至步骤二构建的遥感图像生成模型中进行训练,根据遥感地物分类数据集实际地表状况和标注图情况,人工绘制标签图;将人工绘制的标签图输入至遥感图像生成模型中生成遥感图像,并且将该部分遥感图像和标签图加入至原遥感地物分类数据集中,实现数据增强; 步骤四、构建用于遥感地物分类的神经网络模型: 遥感地物分类的神经网络模型采用U型框架,包括编码器、解码器以及跳跃连接; 在编码器中,分为五个阶段,第一阶段至第四阶段会将最终地物特征图数据输入至跳跃连接中,第五阶段将最终图像数据结果输出至解码器;每个阶段采用大型卷积核和小型卷积核同时进行图像特征提取,使用结构重参数化方法,将大型卷积核和小型卷积核进行同步训练,将二者的特征提取结果进行结合;将小型卷积核优化后的参数并入至大型卷积核参数中进行双重优化; 在跳跃连接结构中加入通道注意力机制,使网络模型更重视关键语义信息,并将其与长短期记忆结构门控机制进行结合,使高层语义信息具备引导低层语义信息通道权重的能力,使通道注意力机制分配的权重更为合理; 在解码器中通过上采样操作使图像尺寸进行扩大,每一阶段都会将该阶段跳跃连接所输入的地物特征数据和上一阶段上采样操作后的特征数据进行拼接,并进行两次卷积操作后再进行上采样操作,使特征图像数据逐步恢复至原始图像尺寸大小; 步骤五、将步骤三数据增强后的遥感地物分类数据集输入至步骤四所构建的神经网络模型中进行训练,训练后生成最优权重;将任意遥感图像输入训练后的模型,生成遥感地物分类图像。

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杭州师范大学,其通讯地址为:311121 浙江省杭州市余杭区余杭塘路2318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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。