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！

龙图腾网获悉西南民族大学申请的专利一种基于双一致性的半监督遥感图像语义分割方法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：CN116416618B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310184402.0，技术领域涉及：G06V20/70；该发明授权一种基于双一致性的半监督遥感图像语义分割方法是由崔梦天;李凯;赵海军;姜玥;李裕岚设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本一种基于双一致性的半监督遥感图像语义分割方法在说明书摘要公布了：本发明涉及基于双一致性的半监督遥感图像语义分割方法，所述半监督语义分割方法包括：建立基于教师学生架构的半监督学习模型，利用标签数据对教师模型进行有监督学习训练，优化教师模型参数；学生模型由单编码双解码的深度学习模型组成，利用锐化函数降低学生模型预测的信息熵，首先使无标签数据通过教师模型产生伪标签对学生模型的预测结果进行半监督，其次通过两组学生模型间预测结果转化的两组伪标签进行交叉监督，通过这两组一致性任务对学生网络进行交替训练，使得模型能够充分理解无标签数据中的大量信息；训练完成后测试数据直接通过学生网络得到预测的语义标记图，将语义标记图映射到原始图像上，实现分割结果的可视化。

本发明授权一种基于双一致性的半监督遥感图像语义分割方法在权利要求书中公布了：1.一种基于双一致性的半监督遥感图像语义分割方法，其特征在于，所述半监督遥感图像语义分割方法包括以下步骤； 建立教师学生架构的半监督学习模型，同时对于学生模型，采用单编码双解码的模型架构； S1:将数据集分为有标签数据集Dl，无标签数据集Du； S2:将有标签数据集Dl通过教师模型，并与其真实标签计算监督损失优化教师模型参数； S3:对于无标签数据，一致性原则表示对于同一像素点在经过不同扰动后预测结果应保持一致，对输入经过不同干扰后保持预测结果一致；首先让无标签数据通过教师模型生成预测结果，再通过预测结果和原始图像做Hadamard积操作生成对应伪标签Yt，其次，无标签数据还需要通过学生模型的公用编码网络转化为特征向量，并通过两组学生解码网络进行预测；对于两组学生解码网络的预测结果，首先需要计算教师模型产生的伪标签对于两组学生模型的半监督损失，并通过两组半监督损失更新两组学生模型参数；其次需要通过两组学生模型的预测与原图做Hadamard积操作生成两组学生模型对应伪标签Ys1，Ys2，并交叉监督计算半监督损失以及更新两组学生模型参数；学生模型的半监督共分为两组，第一是教师模型的伪标签对于两组学生模型的半监督，其次是两组学生模型产生的伪标签的交叉监督，两组半监督任务均在一致性原则下交替训练模型； S4:根据上述步骤S3中所得到的所有的监督损失，分别对半监督分割模型进行训练，得到训练好的半监督语义分割模型；然后，再通过训练好的半监督语义分割模型进行遥感图像的语义分割。

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南民族大学，其通讯地址为：610000 四川省成都市武侯区一环路南四段16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。