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！

龙图腾网获悉吉林大学申请的专利一种面向高光谱遥感图像分类的训练样本选取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：CN120388253B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510754096.9，技术领域涉及：G06V10/774；该发明授权一种面向高光谱遥感图像分类的训练样本选取方法是由贺金鑫;蔡凯旋;陈圣波;伍铁如;张洪英;李恒硕;杨沛文设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种面向高光谱遥感图像分类的训练样本选取方法在说明书摘要公布了：本发明公开了一种面向高光谱遥感图像分类的训练样本选取方法，属于图像分类技术领域。包括以下步骤：给定未标注数据集，利用预训练GSCVIT模型提取分类特征与多头注意力权重，计算空间注意力熵并与分类特征拼接成增强特征，通过K‑Center贪心算法筛选核心集样本子集，借助组采样加载器加载数据，采用动态分布平衡损失DDBLoss训练模型以优化分类性能。本发明在四个数据集上验证，结果表明该方法可有效选取关键样本、动态优化类别分布，显著提升模型在不平衡数据下的分类精度与稳定性，增强对少数类和弱类目标的识别能力。解决了高光谱遥感图像标注成本高、类别不平衡及特征表达复杂的问题。

本发明授权一种面向高光谱遥感图像分类的训练样本选取方法在权利要求书中公布了：1.一种面向高光谱遥感图像分类的训练样本选取方法，其特征在于：包括以下步骤： S1、给定未标注数据集，其中表示空间维度为，光谱波段数为B的高光谱图像样本； S2、利用预训练的GSCVIT模型对所述数据集进行特征提取，得到分类特征F和多头注意力权重； S3、基于步骤S2所述注意力权重计算空间注意力熵SSAE，并将所述分类特征与空间注意力熵拼接生成增强特征； S4、采用K-Center贪心算法，基于所述增强特征从原始数据集中筛选出核心集样本子集Dc； K-Center贪心采样步骤包括： 初始化核心集S，根据样本分布分层选择初始样本； 迭代选择样本：对未选择样本，计算其增强特征到核心集的最小欧氏距离； 结合注意力熵SSAEj，计算得分：，其中为平衡参数； 选择得分最高的样本加入核心集，直至核心集大小达到预设值N； S5、使用组采样加载器加载训练数据，并采用动态分布平衡损失DDBLoss对模型进行训练，以优化类别不平衡场景下的分类性能。

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吉林大学，其通讯地址为：130061 吉林省长春市朝阳区建设街2199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。