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

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 > 石家庄铁道大学张云佐获国家专利权

石家庄铁道大学张云佐获国家专利权

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!

龙图腾网获悉石家庄铁道大学申请的专利面向高分辨率遥感图像语义分割的无监督域适应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:CN120070896B

龙图腾网通过国家知识产权局官网在2025-09-23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:202510233806.3,技术领域涉及:G06V10/26;该发明授权面向高分辨率遥感图像语义分割的无监督域适应方法是由张云佐;孙士博;张璐琦;赵旭静;胡宇博;赵永斌;郑丽娟设计研发完成,并于2025-02-28向国家知识产权局提交的专利申请。

面向高分辨率遥感图像语义分割的无监督域适应方法在说明书摘要公布了:本发明公开一种面向高分辨率遥感图像语义分割的无监督域适应方法,属于计算机视觉和遥感图像处理领域。该方法先获取标记的源域数据集与未标记的目标域数据集,再用特征提取器提取多级特征,经双向递归注意力金字塔模块完成双域特征交互,通过多判别器模块判别特征,利用分割损失、全局特征差异损失、领域混淆损失和对抗损失反向传播计算,最后将训练好的模型部署至目标域实现语义分割。该发明通过双向递归注意力金字塔和多判别器模块,解决现有无监督域适应方法在遥感图像语义分割中的域偏移、特征对齐颗粒度不足等问题,有效提升模型在目标域的分割性能。

本发明授权面向高分辨率遥感图像语义分割的无监督域适应方法在权利要求书中公布了:1.一种面向高分辨率遥感图像语义分割的无监督域适应方法,其特征在于,至少包括如下步骤: S1:获取标记的源域数据集和未标记的目标域数据集; S2:通过特征提取器从源域和目标域数据中提取双域特征; S3:将提取的特征输入到双向递归注意力金字塔模块中,通过多尺度金字塔分解、递归双向注意力桥和动态门控融合器完成双域特征交互; 所述双向递归注意力金字塔模块包括多尺度金字塔分解、递归双向注意力桥、动态门控融合器;双域特征通过多尺度金字塔分解将特征图分解为多尺度特征图,对双域多尺度特征使用递归双向注意力桥,进行层级间正向与逆向注意力传递实现跨域闭环交互,动态门控融合器通过动态门控权重聚合各尺度特征; 多尺度金字塔分解将双域特征通过空间金字塔池化分解为四层不同分辨率的特征图,各级尺寸为1×1、3×3、6×6、原始尺寸; 递归双向注意力桥在双域多尺度特征间进行三次迭代,正向传递将源域第i层特征通过注意力机制作用于目标域第i+1层特征,公式为: , 逆向传递将目标域第i层特征通过逆向注意力反馈至源域第i−1层特征,公式为: , 三次双域特征间正向传递与逆向传递形成跨层级闭环交互; 动态门控融合器在金字塔顶层对各层特征进行上采样至原始尺寸,并通过相似度权重加权求和,公式为: , 其中为全局平均池化后的锚定特征,用于衡量各层级特征的重要性; S4:通过多判别器模块对交互后的特征进行判别; 所述多判别器模块包括特征判别器、对抗判别器和类别判别器,其中特征判别器用于混淆双域特征,对抗判别器用于实现整体特征的对抗学习,类别判别器从类别层级完成特征对抗,进一步提升特征的判别能力; S5:通过定义的分割损失、全局特征差异损失、领域混淆损失和对抗损失进行反向传播计算; S6:将训练完成的模型部署至目标域,实现对目标域高分辨率遥感图像的语义分割。

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石家庄铁道大学,其通讯地址为:050043 河北省石家庄市长安区北二环东路17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”。

以上内容由龙图腾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。