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！

龙图腾网获悉中国地质大学(武汉);武汉蚁图时空科技有限公司申请的专利高分辨率遥感影像小样本高精度建筑分割提取方法及装置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：CN115205704B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210870003.5，技术领域涉及：G06V20/13；该发明授权高分辨率遥感影像小样本高精度建筑分割提取方法及装置是由徐世武;陶年旺;饶蕾;吕莎;张雪松设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本高分辨率遥感影像小样本高精度建筑分割提取方法及装置在说明书摘要公布了：本发明提供了一种高分辨率遥感影像小样本高精度建筑分割提取方法及装置。获取样本集，包括标记样本和未标记样本；划分训练集和验证集；基于带约束的正样本学习算法构建UNet++改进模型并初始化c值；训练模型，得到正样本概率，通过c值将正样本概率转换成标记样本概率，计算损失函数，根据损失函数优化模型参数，同时通过验证集进行验证，当损失函数或迭代次数满足预设条件时，训练完成，训练好的模型为双分支建筑物分割模型；将待测试影像输入训练好的建筑物分割模型进行建筑物分割提取。结合UNet++和带约束的正样本学习算法，可以自动通过人工标记样本的特征调整得到正样本的特征，同时通过双分支模型提高了对粘连建筑边缘检测的局部准确性。

本发明授权高分辨率遥感影像小样本高精度建筑分割提取方法及装置在权利要求书中公布了：1.一种高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，包括以下步骤： S1：获取样本集，所述样本集包括标记样本和未标记样本； S2：将所述样本集划分为训练集和验证集； S3：基于带约束的正样本学习算法构建UNet++改进模型，并初始化c值，所述c值为标记样本占正样本的比例； 所述带约束的正样本学习算法，用于根据c值将所述正样本概率转换成为标记样本的概率，具体的转换公式为： 其中，x代表每一个像素，Gx表示标记样本概率，fx表示正样本概率，c为标记样本占正样本的比例； S4：使用所述训练集训练所述UNet++改进模型，得到正样本概率，通过c值将正样本概率转换成标记样本的概率，并计算损失函数，根据损失函数优化模型参数，同时通过验证集进行验证，当损失函数或迭代次数满足预设条件时，停止训练，得到训练好的建筑物分割模型； 步骤S4包括： S41：依据所述训练集训练UNet++改进模型，得到正样本概率； S42：根据c值将所述正样本概率转换成为标记样本的概率； S43：根据所述标记样本的概率与所述训练集中的标记样本的标签计算得到损失函数，并向前传播，自动优化模型参数，包括c值； S44：在每次迭代的过程中，从所述验证集中抽取部分影像计算验证集的损失函数，判断损失函数的值是否连续N次不下降；若是，则进入步骤S45；否则进入步骤S46； S45：调整学习率，并进入步骤S47； S46：继续使用现在的学习率训练UNet++改进模型；并进入步骤S47； S47：判断是否可以提前停止训练，若是，则进入步骤S49；否则进入步骤S48； S48：继续判断是否达到预设的迭代次数，若是，则进入步骤S49；否则返回S41； S49：停止训练，得到训练好的建筑物分割模型，并得到训练好的建筑物分割模型输出的正样本概率； S5：将待测试的高分辨率遥感影像输入所述训练好的建筑物分割模型，输出建筑物分割提取结果。

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中国地质大学(武汉);武汉蚁图时空科技有限公司，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。