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！

龙图腾网获悉中国农业银行股份有限公司申请的专利一种视觉模型训练方法、遥感影像分割方法及相关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：CN119600415B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411743766.9，技术领域涉及：G06V10/82；该发明授权一种视觉模型训练方法、遥感影像分割方法及相关装置是由杨涛涛;李波;何正伟;彭博;夏天阳设计研发完成，并于2024-11-30向国家知识产权局提交的专利申请。

本一种视觉模型训练方法、遥感影像分割方法及相关装置在说明书摘要公布了：本申请公开了一种视觉模型训练方法、遥感影像分割方法及相关装置，涉及计算机技术领域，具体的，本申请先在预训练数据集上对视觉模型进行了模型预训练，预训练的视觉模型对遥感影像具备良好的表征能力；而后将预训练的视觉模型的模型参数作为初始参数，配置给基础模型，并在对应于目标任务的相关任务和无关任务的数据集上对预配置的基础模型进行模型训练，得到预训练的基础模型；最后在对应于目标任务的数据集上对预训练的基础模型进行训练，由于预训练的基础模型具备通用的表征能力，使得利用对应于目标任务的少量训练数据对预训练的基础模型进行调优，即可提升模型对目标任务的处理能力，降低了目标任务实现对目标任务训练数据的依赖。

本发明授权一种视觉模型训练方法、遥感影像分割方法及相关装置在权利要求书中公布了：1.一种视觉模型训练方法，其特征在于，包括： 获取预训练数据集、元训练第一数据集和元训练第二数据集；其中，所述预训练数据集、所述元训练第一数据集和所述元训练第二数据集分别包括：若干个标注有对应标签的遥感影像对；所述预训练数据集中的遥感影像对由两张增强遥感影像构成，所述两张增强遥感影像由同一张原始遥感影像经过不同的数据增强处理得到；所述元训练第一数据集和所述元训练第二数据集中的遥感影像对由具备相同标签的两张遥感影像构成，或由具备不同标签的两张遥感影像构成，或由对应于同一张原始遥感影像的两张增强遥感影像构成；每一个遥感影像对的标签由构成遥感影像对的两张遥感影像的标签构成，所述预训练数据集和所述元训练第一数据集中的标签对应于至少一项遥感影像识别任务，所述至少一项遥感影像识别任务中的任一项任务为目标任务的相关任务或无关任务；所述元训练第二数据集中的标签对应于所述目标任务； 在所述预训练数据集上对预先配置的视觉模型进行模型预训练，并依据整体损失进行模型参数的更新，得到预训练的视觉模型；所述整体损失为对比损失和交叉熵损失的加权损失； 将所述预训练的视觉模型的模型参数作为初始参数，配置给基础模型，得到预配置的基础模型，所述预配置的基础模型包含注意力模块； 在所述元训练第一数据集上对所述预配置的基础模型进行模型训练，并依据所述整体损失进行模型参数的更新，得到预训练的基础模型； 在所述元训练第二数据集上对所述预训练的基础模型进行模型训练，并依据所述整体损失进行模型参数的更新，得到用于实现所述目标任务的目标视觉模型； 所述预训练数据集的配置过程包括： 获取若干张原始遥感影像； 对获取到的原始遥感影像进行至少两种方式的数据增强处理，得到对应于所述获取到的原始遥感影像的至少两张增强遥感影像； 将对应于同一张原始遥感影像且不同的两张增强遥感影像归为一组，得到若干个相似影像对，并为得到的相似影像对配置标签； 生成所述预训练数据集，所述预训练数据集包括若干个标注有对应标签的相似影像对； 在所述预训练数据集上对预先配置的视觉模型进行模型预训练，并依据整体损失进行模型参数的更新，包括： 获取预先配置的视觉模型； 从所述预训练数据集中提取相似影像对； 调用共享模型结构的两个所述视觉模型，分别对提取到的相似影像对中的两张增强遥感影像进行处理； 依据两个所述视觉模型对所述提取到的相似影像对的处理结果，计算得到第一交叉熵损失值和第一对比损失值，并对所述第一交叉熵损失值和所述第一对比损失值进行加权相加，得到第一整体损失值； 基于所述第一整体损失值更新所述视觉模型的模型参数，并返回执行从所述预训练数据集中提取相似影像对的步骤，直至满足预设的预训练停止条件，得到所述预训练的视觉模型。

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农业银行股份有限公司，其通讯地址为：100005 北京市东城区建国门内大街69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。