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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利半监督多光谱遥感图像场景分类方法、装置、设备及介质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：CN120014370B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510482823.0，技术领域涉及：G06V10/764；该发明授权半监督多光谱遥感图像场景分类方法、装置、设备及介质是由刘瑜;李进;姜智卓;李耀文;李徵;何友设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本半监督多光谱遥感图像场景分类方法、装置、设备及介质在说明书摘要公布了：本发明提供一种半监督多光谱遥感图像场景分类方法、装置、设备及介质，属于遥感图像场景分类技术领域，对无标注多光谱遥感图像进行弱、强增强处理后输入至预先构建的双分支网络结构，得到各分支网络输出的强、弱增强预测结果并融合，得到无标注多光谱遥感图像的伪标签，根据伪标签对双分支网络结构进行训练，将训练完成的双分支网络结构作为场景分类模型；基于场景分类模型对目标多光谱遥感图像进行场景分类，得到目标场景分类结果。双分支网络结构充分利用多光谱遥感图像的空间、光谱信息以及不同波段之间的互补信息，光谱特征分支网络引入光谱注意力能够进一步增强光谱信息提取能力，得到准确性更高的伪标签，进而提升模型的分类性能。

本发明授权半监督多光谱遥感图像场景分类方法、装置、设备及介质在权利要求书中公布了：1.一种半监督多光谱遥感图像场景分类方法，其特征在于，包括： 获取无标注多光谱遥感图像，分别对所述无标注多光谱遥感图像进行弱增强处理和强增强处理，得到弱增强遥感图像和强增强遥感图像； 分别将所述弱增强遥感图像和所述强增强遥感图像输入至由空间特征分支网络和光谱特征分支网络预先构建的双分支网络结构，所述空间特征分支网络用于分别提取所述弱增强遥感图像和所述强增强遥感图像各自的空间特征，并根据所述空间特征，得到与所述空间特征对应的强增强预测结果和弱增强预测结果；所述光谱特征分支网络用于基于光谱注意力分别提取所述弱增强遥感图像和所述强增强遥感图像各自的光谱特征，并根据所述光谱特征，得到与所述光谱特征对应的强增强预测结果和弱增强预测结果； 对所述空间特征对应的弱增强预测结果以及所述光谱特征对应的弱增强预测结果进行融合，得到所述无标注多光谱遥感图像的伪标签，并根据所述伪标签以及所述空间特征和所述光谱特征各自对应的强增强预测结果，得到无监督损失函数，所述无监督损失函数用于确定总损失函数； 根据所述总损失函数，判断所述双分支网络结构是否完成训练，若是，将所述双分支网络结构作为场景分类模型，若否，对所述双分支网络结构的参数进行调整，返回执行获取无标注多光谱遥感图像的步骤，直至完成训练； 基于所述场景分类模型对目标多光谱遥感图像进行场景分类，得到目标场景分类结果； 所述空间特征分支网络基于深度残差网络得到，所述光谱特征分支网络通过在所述深度残差网络的各网络层中增加光谱注意力模块得到； 所述光谱注意力模块用于基于线性层确定输入图像特征图的查询参数、键参数和值参数，对所述查询参数、所述键参数和所述值参数进行维度变换，将维度变换后的所述查询参数和所述键参数传输至归一化层，基于所述归一化层确定所述图像特征图的不同光谱波段之间的注意力分数，对所述注意力分数和维度变换后的所述值参数进行运算后传输至输出线性层，基于所述输出线性层得到输出图像特征图，对所述输出图像特征图进行维度变换后输出至下一所述网络层。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；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”。