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！

龙图腾网获悉图之智(北京)科技有限公司申请的专利一种低空遥感影像AI大模型识别训练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：CN121191001B 。

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：202511733035.0，技术领域涉及：G06V20/10；该发明授权一种低空遥感影像AI大模型识别训练方法及系统是由王希营;向冬梅;尹少鹏;王卓琳;卢泰男;姜艳媛;秦力青;汪星设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本一种低空遥感影像AI大模型识别训练方法及系统在说明书摘要公布了：本申请涉及人工智能技术领域，公开了一种低空遥感影像AI大模型识别训练方法及系统，该方法包括：基于多时相遥感影像序列构建隐式三维场景表征模型，并施加时序一致性损失进行预训练，以学习到对光照、季节变化鲁棒且与观测方向无关的高维语义特征；利用预训练模型为识别置信度低的目标，靶向性地合成上下文视图与特写视图。该系统包括数据获取模块、模型构建模块、预训练模块、微调模块以及目标识别模块。本发明提升AI大模型在低空遥感影像中，对小目标、遮挡目标及复杂背景目标的识别性能。

本发明授权一种低空遥感影像AI大模型识别训练方法及系统在权利要求书中公布了：1.一种低空遥感影像AI大模型识别训练方法，其特征在于，所述方法包括以下步骤： S1、获取覆盖同一地理区域的至少两个不同时间点的低空遥感影像序列，所述低空遥感影像序列包括多张影像及每张影像对应的相机位姿参数； S2、基于获取的所述低空遥感影像序列与相机位姿参数，构建隐式三维场景表征模型，所述隐式三维场景表征模型包括分别对应于至少两个不同时间点的子模型，并建立三维空间点到渲染属性及高维语义特征的映射关系； S3、对所述隐式三维场景表征模型施加时序一致性损失进行预训练，得到预训练的隐式三维场景表征模型，其中所述时序一致性损失用于在至少两个不同时间点的子模型之间，对预设静态类别的地物的高维语义特征建立时序锚点；其中，计算第一时间点的子模型的坐标系到第二时间点的子模型的坐标系的刚性变换矩阵，用于在三维空间中对齐子模型的坐标系； 在三维空间中采样得到属于预设静态类别的点集，所述预设静态类别包括在时间跨度内形态和位置保持稳定的地物； 针对所述点集中的任一三维空间点，执行获取在第一时间点的子模型中的高维语义特征，并获取经由所述刚性变换矩阵变换后在第二时间点的子模型中的对应位置的高维语义特征； 基于获取的、分属于不同时间点子模型的高维语义特征和高维语义特征，通过计算两组高维语义特征之间的余弦相似度，来构建所述时序一致性损失； 定义一个光度重建损失，所述光度重建损失用于最小化基于渲染属性、通过体渲染技术合成的像素预测颜色值与低空遥感影像序列中真实影像的像素颜色值之间的像素颜色差异； 将所述时序一致性损失与光度重建损失进行加权求和，得到一个预训练组合损失函数，计算方式为： ； 式中，和为预设的权重系数； 通过采用随机梯度下降优化算法最小化所述预训练组合损失函数，完成对所述隐式三维场景表征模型的预训练； S4、利用预训练的隐式三维场景表征模型合成目标影像的上下文视图与特写视图，并基于所述上下文视图与特写视图施加层级特征蒸馏损失，对AI大模型进行微调，得到微调后的AI大模型； S5、基于微调后的AI大模型，对输入的低空遥感影像进行目标识别。

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图之智(北京)科技有限公司，其通讯地址为：100176 北京市大兴区北京经济技术开发区经海四路29号1幢6层；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。