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！

龙图腾网获悉西安交通大学申请的专利模型训练方法、基于大模型的遥感图像智能分割方法和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：CN119762784B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411905228.5，技术领域涉及：G06V10/26；该发明授权模型训练方法、基于大模型的遥感图像智能分割方法和装置是由宋文涛;李静远;贺宇航;焦天才;王业腾;宋翔;石昌昊;马帮;赵云龙;龚怡宏设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本模型训练方法、基于大模型的遥感图像智能分割方法和装置在说明书摘要公布了：本申请提供了一种模型训练方法、基于大模型的遥感图像智能分割方法和装置，包括：将样本遥感图像数据集中的样本遥感图像输入第一图像分割模型，得到第一图像分割模型输出的第一分割掩码图像；其中，样本遥感图像数据集的平均信息熵大于或等于第一阈值，基于第一分割掩码图像，确定样本遥感图像中各个预设分割区域分别对应的分割预测类型，基于分割预测类型和各个预设分割区域分别对应的样本分类标签，确定第一图像分割模型的第一模型损失值，基于第一模型损失值，调整第一图像分割模型的第一模型参数，得到目标图像分割模型，使用目标图像分割模型进行遥感图像分割时，可以在一定程度上提升遥感图像的分割准确性。

本发明授权模型训练方法、基于大模型的遥感图像智能分割方法和装置在权利要求书中公布了：1.一种模型训练方法，其特征在于，所述方法包括： 将样本遥感图像数据集中的样本遥感图像输入第一图像分割模型，得到所述第一图像分割模型输出的第一分割掩码图像；其中，所述样本遥感图像的平均信息熵大于或等于第一阈值； 基于所述第一分割掩码图像，确定所述样本遥感图像中各个预设分割区域分别对应的分割预测类型； 基于所述分割预测类型和所述各个预设分割区域分别对应的样本分类标签，确定所述第一图像分割模型的第一模型损失值； 基于所述第一模型损失值，调整所述第一图像分割模型的第一模型参数，得到目标图像分割模型；其中，所述目标图像分割模型用于生成目标遥感图像对应的目标分割掩码图像； 所述第一图像分割模型包括第一图像特征提取子模型，所述方法还包括： 对所述样本遥感图像进行随机掩码操作，得到样本遥感掩码图像； 将所述样本遥感掩码图像输入第二图像特征提取子模型，得到所述第二图像特征提取子模型输出的第一遥感掩码图像； 基于所述第一遥感掩码图像和所述样本遥感图像，确定所述第二图像特征提取子模型的第二模型损失值； 基于所述第二模型损失值，调整所述第二图像特征提取子模型的第二模型参数，得到所述第一图像特征提取子模型； 所述基于所述第一遥感掩码图像和所述样本遥感图像，确定所述第二图像特征提取子模型的第二模型损失值，包括： 基于所述第一遥感掩码图像和所述样本遥感图像，确定所述第二图像特征提取子模型的掩码图像重建损失值； 基于所述第一遥感掩码图像和所述样本遥感图像，确定所述第二图像特征提取子模型的特征匹配损失值； 基于所述掩码图像重建损失值和所述特征匹配损失值，确定所述第二图像特征提取子模型的第二模型损失值； 所述基于所述第一遥感掩码图像和所述样本遥感图像，确定所述第二图像特征提取子模型的掩码图像重建损失值，包括： 将所述第一遥感掩码图像和所述样本遥感图像分别输入特征金字塔网络，得到所述特征金字塔网络分别输出的第一掩码特征图和样本特征图； 确定所述第一掩码特征图中掩码区域的第一相对位置，并确定所述样本特征图中与所述第一相对位置相同的第二相对位置； 确定所述掩码区域的第一像素值和所述掩码区域包含的像素数量，确定所述样本特征图中第二相对位置所在区域的第二像素值； 基于所述第一像素值、所述第二像素值和所述像素数量，确定所述第二图像特征提取子模型的掩码图像重建损失值。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。