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！

龙图腾网获悉上海大学申请的专利遥感图像多标签分类方法、装置、设备、介质及产品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：CN118918385B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411124220.5，技术领域涉及：G06V10/764；该发明授权遥感图像多标签分类方法、装置、设备、介质及产品是由黄睿;欧寒芝设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本遥感图像多标签分类方法、装置、设备、介质及产品在说明书摘要公布了：本申请公开了一种遥感图像多标签分类方法、装置、设备、介质及产品，涉及计算机视觉技术领域，该方法包括：采用弱变换和强变换分别对遥感图像进行处理，得到弱变换图像和强变换图像；将弱变换图像输入第一分支得到弱变换图像的输出向量和隐含特征；将强变换图像输入第二分支得到强变换图像的输出向量和隐含特征，根据输出向量得到预测标签向量；根据两个输出向量对标签向量进行矫正；根据矫正后的标签向量、预测标签向量和隐含特征计算损失函数的值并对样本模型进行训练，采用训练好的模型进行多标签分类，本申请可提高多标签遥感图像分类模型的精度、泛化能力和鲁棒性，进而提高多标签分类结果的准确性。

本发明授权遥感图像多标签分类方法、装置、设备、介质及产品在权利要求书中公布了：1.一种遥感图像多标签分类方法，其特征在于，所述遥感图像多标签分类方法包括： 获取训练样本集合，所述训练样本集合包括多个训练样本，每个训练样本包括遥感图像和所述遥感图像的标签向量；遥感图像的标签向量为根据表示遥感图像类别的干净标签和噪声标签得到的； 对于所述训练样本集合中任意一个训练样本中的遥感图像，采用弱变换和强变换分别对所述遥感图像进行处理，得到所述遥感图像对应的弱变换图像和强变换图像； 在当前训练次数下，将所述遥感图像对应的弱变换图像输入上一训练次数下样本模型的第一分支得到当前训练次数下第一分支中的分类器的输出向量和当前训练次数下所述遥感图像对应的弱变换图像的隐含特征；根据当前训练次数下第一分支中的分类器的输出向量得到当前训练次数下所述遥感图像对应的弱变换图像的预测标签向量；所述样本模型包括：并行设置的第一分支和第二分支；第一分支和第二分支均包括多标签遥感图像分类模型和多层感知机；所述多标签遥感图像分类模型包括依次连接的特征编码器和分类器；第一分支中的多层感知机与第一分支中的特征编码器的输出端连接；第二分支中的多层感知机与第二分支中的特征编码器的输出端连接； 将所述遥感图像对应的强变换图像输入上一训练次数下样本模型的第二分支得到当前训练次数下第二分支中的分类器的输出向量和隐含特征；根据当前训练次数下第二分支中的分类器的输出向量得到当前训练次数下所述遥感图像对应的强变换图像的预测标签向量； 根据当前训练次数下第一分支中的分类器的输出向量和当前训练次数下第二分支中的分类器的输出向量对所述遥感图像的标签向量进行矫正得到当前训练次数下所述遥感图像矫正后的标签向量； 根据当前训练次数下所述训练样本集合中各遥感图像矫正后的标签向量、当前训练次数下所述训练样本集合中各遥感图像对应的弱变换图像的预测标签向量和隐含特征以及当前训练次数下所述训练样本集合中各遥感图像对应的强变换图像的预测标签向量和隐含特征计算当前训练次数下损失函数的值； 根据当前训练次数下损失函数的值对上一训练次数下样本模型进行训练得到当前训练次数下样本模型，并判断是否达到设定训练次数，若没有达到设定训练次数，则进入下一训练次数，直到达到设定训练次数，得到训练好的样本模型，采用训练好的样本模型中第一分支或者第二分支中的多标签遥感图像分类模型对目标遥感图像进行多标签分类。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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。