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！

龙图腾网获悉南京理工大学申请的专利基于多尺度跨实例聚类互斥信息对比自监督的遥感目标检测方法及系统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：CN116310856B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202310036190.1，技术领域涉及：G06V20/13；该发明授权基于多尺度跨实例聚类互斥信息对比自监督的遥感目标检测方法及系统是由吴泽彬;陈都阳;徐洋;韦志辉设计研发完成，并于2023-01-08向国家知识产权局提交的专利申请。

本基于多尺度跨实例聚类互斥信息对比自监督的遥感目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于多尺度跨实例聚类互斥信息对比自监督的遥感目标检测方法及系统，采用多尺度特征提取图像的特征，通过负样本队列与自监督网络的对抗学习，通过实例聚类群体辨别学习，由互斥信息对比损失和聚类信息对比损失训练自监督模型，再采用与上游自监督任务相适应的下游遥感目标检测网络进行迁移学习，提取待检测图像的特征信息，获得预测的标签类别、置信度和预测框，适用于尺度变化大、背景复杂的遥感目标检测。

本发明授权基于多尺度跨实例聚类互斥信息对比自监督的遥感目标检测方法及系统在权利要求书中公布了：1.一种基于多尺度跨实例聚类互斥信息对比自监督的遥感目标检测方法，其特征在于，包括： 通过数据增广模块生成三个不同的全局视图；数据增广全局视图的过程为：输入高分辨率遥感图像，将给定图像按照不同的大小和宽高比随机裁剪，并缩放至预设尺寸，将随机灰度、高斯滤波、颜色抖动、随机翻转应用于裁剪得到的图像，生成三个不同的基于给定图像的全局视图； 采用多尺度特征提取模块提取全局视图的特征，由互斥信息对比损失和聚类信息对比损失训练自监督模型，获取上游自监督模型；具体为：采用多尺度特征提取模块提取全局视图的特征，通过负样本队列与自监督网络的对抗学习，通过实例聚类群体辨别学习，由互斥信息对比损失和聚类信息对比损失训练自监督模型，得到可用于迁移学习的自监督模型； 上游自监督模型的损失函数L为： L＝Lme+Lcin 其中，Lme为互斥信息对比损失函数计算值； 为全局视图Iq1、Ik之间的对比损失函数计算值，为全局视图Iq2、Ik之间的对比损失函数计算值，表示Iq1、Iq2经编码器的最小尺度特征，表示与Iq1、Iq2为正对的Ik经编码器的最小尺度特征，表示与Iq1、Iq2为负对的Ik经编码器的最小尺度特征，n∈[1,K]，K为负样本队列的长度，T表示温度超参数； Lcin为聚类信息对比损失函数计算值，为Lcin组成部分； kmeans表示基于欧式距离的聚类算法，C表示聚合中心数，iters表示迭代次数，分别表示Iq1、Iq2另外两个尺度特征，分别表示Iq1、Iq2对应特征表示的标签表示，分别表示Iq1、Iq2对应特征表示的聚类中心，CELoss为交叉熵损失函数CrossEntropyLoss，t为转置； 利用训练好的上游自监督模型进行迁移学习，转换为下游遥感目标检测网络相匹配的预训练模型； 利用训练好的遥感目标检测模型对待检测图像进行检测，获得预测的标签类别、置信度和预测框。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。