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！

龙图腾网获悉厦门大学申请的专利基于域自适应的遥感图像语义分割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：CN117197451B 。

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：202310904440.9，技术领域涉及：G06V10/26；该发明授权基于域自适应的遥感图像语义分割方法及装置是由程明;曾万康;袁直敏;苏燕飞;王程设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本基于域自适应的遥感图像语义分割方法及装置在说明书摘要公布了：本发明公开了一种基于域自适应的遥感图像语义分割方法及装置，该方法包括获取包括具有标注的源域数据和未标注的目标域数据的遥感数据集；构建具有辅助原型分类器的平均教师框架，其中，具有辅助原型分类器的平均教师框架包括教师模型和学生模型；采用遥感数据集训练及优化学生模型的参数，其中，教师模型使用指数移动平均更新其参数，辅助原型分类器使用指数移动平均更新其权重；将未标注的目标域数据输入到训练好的学生模型进行逐点预测，以得到未标注的目标域数据对应的分割结果；由此，通过构建具有辅助原型分类器的平均教师框架能够解决遥感图像跨域语义分割任务中的域差异问题，并实现源域与目标域之间类层次的对齐，从而提高分割性能。

本发明授权基于域自适应的遥感图像语义分割方法及装置在权利要求书中公布了：1.一种基于域自适应的遥感图像语义分割方法，其特征在于，包括以下步骤： 获取遥感数据集，其中，所述遥感数据集包括具有标注的源域数据和未标注的目标域数据； 构建具有辅助原型分类器的平均教师框架，其中，所述具有辅助原型分类器的平均教师框架包括教师模型和学生模型； 采用所述遥感数据集训练及优化所述学生模型的参数，其中，所述教师模型使用指数移动平均更新其参数，辅助原型分类器使用指数移动平均更新其权重； 将所述未标注的目标域数据输入到训练好的学生模型进行逐点预测，以得到所述未标注的目标域数据对应的分割结果； 其中，构建具有辅助原型分类器的平均教师框架包括： 所述学生模型包括特征编码器和参数化分类器，并使用DeepLabV2作为所述学生模型的网络结构，ResNet‑101作为其骨架；所述教师模型的网络结构、骨架和所述学生模型一致； 为所述源域数据和目标域数据分别以队列的形式构建对应类别的记忆库，以便在对应的特征编码器输出的特征经过嵌入过滤后，以不同类别的特征向量保存到对应类别的记忆库中； 将所述源域和目标域对应类别的记忆库进行拼接，并使用KMeans聚类算法聚类出该类别对应的原型，以便作为辅助原型分类器； 其中，采用所述遥感数据集训练及优化所述学生模型的参数，包括： 在训练的第一个epoch内，使用具有标注的源域数据对所述学生模型进行训练与参数优化，并将所述源域数据的不同类的特征向量保存到源域记忆库中； 在训练的第一个epoch结束后，所述教师模型使用所述学生模型的参数进行参数初始化，以及使用KMeans算法对源域记忆库进行聚类，得到每个类的初始化原型作为辅助原型分类器； 在训练的第二个epoch内，带有辅助原型分类器的学生模型使用具有标注的源域数据进行训练；所述教师模型对目标域数据做出预测，得到目标域的伪标签；带有辅助原型分类器的学生模型使用目标域的伪标签进行训练，以更新参数；同时在训练过程中，将源域数据的不同类的特征向量保存到源域记忆库中，将目标域数据的不同类的特征向量保存到目标域的记忆库中； 在训练的第二个epoch结束后，所述教师模型通过所述学生模型的参数的指数移动平均更新其参数；另外，相同类别的源域记忆库和目标域记忆库进行拼接，使用KMeans算法对拼接结果进行聚类，以便得到每个类的原型进行辅助原型分类器更新； 在之后的每个epoch训练过程中，所述学生模型和所述教师模型的训练以及优化方式与第二个epoch的区别处在于,辅助原型分类器通过对源域和目标域的记忆库的聚类结果以指数移动平均方式来更新每个类的原型，直至训练完成。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。