北京理工大学张桐获国家专利权
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！
龙图腾网获悉北京理工大学申请的专利一种提升遥感下游任务性能的知识迁移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：CN115346130B 。
龙图腾网通过国家知识产权局官网在2025-07-04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：202210797891.2，技术领域涉及：G06V20/13；该发明授权一种提升遥感下游任务性能的知识迁移方法是由张桐;庄胤;王冠群;陈禾设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。
本一种提升遥感下游任务性能的知识迁移方法在说明书摘要公布了：本发明涉及一种计算机视觉领域知识迁移学习方法，具体涉及一种提升遥感下游任务性能的知识迁移方法，属于遥感领域下游任务网络模型训练技术领域。首先，利用重建随机遮罩图像的自监督代理任务在大规模自然场景数据集上对基于Transformer网络结构的自编码器进行自监督预训练，以获取领域级泛化知识。然后，将已经完成大规模自然场景数据预训练的模型参数继续在遥感场景下游任务数据上进行持续自监督预训练。最后，将完成两个阶段预训练编‑解码结构中的编码器模型作为基础特征提取骨架网络直接嵌入到各种下游任务的网络架构中，并通过有监督的方式在相应的下游任务数据集上进行参数微调。
本发明授权一种提升遥感下游任务性能的知识迁移方法在权利要求书中公布了：1.一种提升遥感下游任务性能的知识迁移方法，其特征在于步骤包括： 步骤1，利用重建随机遮罩图像的建模方式在大规模自然场景数据集上对基于Transformer特征提取网络的自编码器进行第一阶段的无标注的自监督预训练，得到预训练后的自编码器的模型参数； 步骤2，收集与遥感下游任务相关的无标注遥感数据，并与遥感下游任务自身的数据进行结合，组成第二阶段的无标注持续自监督预训练数据，标记为Dataa； 步骤3，使用步骤1获取的模型参数在步骤2得到的第二阶段的无标注持续自监督预训练数据上再次进行无标注的自监督预训练，获得任务感知的自编码器的模型参数； 步骤4，将步骤3获取的自编码器中编码器部分的模型参数和相应的网络结构作为骨架网络嵌入到遥感下游任务的网络结构当中，然后在具有标签信息的数据上进行有监督的模型参数微调训练，以完成知识迁移促进遥感下游任务的性能提升。
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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号