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！

龙图腾网获悉江西师范大学申请的专利基于视觉标记的聚类与丢弃的遥感场景分类方法及装置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：CN120071026B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510542050.0，技术领域涉及：G06V10/764；该发明授权基于视觉标记的聚类与丢弃的遥感场景分类方法及装置是由徐承俊;汪嘉麟;舒静倩;汪政罕;黄研欣;姜超越;邓轶浩;刘世仁设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本基于视觉标记的聚类与丢弃的遥感场景分类方法及装置在说明书摘要公布了：本发明公开了一种基于视觉标记的聚类与丢弃的遥感场景分类方法及装置，涉及遥感场景分类技术领域，该方法包括：构建遥感影像分类模型网络架构进行训练，以得到遥感影像分类模型；并将待分类的遥感影像输入至预训练好的遥感影像分类模型当中得到最终的分类结果；其中，遥感影像分类模型网络架构至少包括依次连接的多尺度特征提取与融合模块、特征增强聚合模块、Transformer模块，Transformer模块用于在接收到视觉标记，将视觉标记聚类为固定的簇，后将同一簇内的视觉标记合并为一个视觉标记，以根据视觉标记的重要程度将对应的视觉标记进行丢弃。本发明解决了现有技术中在进行遥感场景分类时计算复杂的问题。

本发明授权基于视觉标记的聚类与丢弃的遥感场景分类方法及装置在权利要求书中公布了：1.一种基于视觉标记的聚类与丢弃的遥感场景分类方法，其特征在于，所述方法包括： 构建遥感影像分类模型网络架构； 对遥感影像分类模型网络架构进行训练，以得到预训练好的遥感影像分类模型； 获取待分类的遥感影像，并将所述待分类的遥感影像输入至预训练好的遥感影像分类模型当中得到最终的分类结果； 其中，所述遥感影像分类模型网络架构至少包括依次连接的多尺度特征提取与融合模块、特征增强聚合模块、Transformer模块，所述Transformer模块用于在接收到视觉标记，将视觉标记聚类为固定的簇，后将同一簇内的视觉标记合并为一个视觉标记，以根据视觉标记的重要程度将对应的视觉标记进行丢弃； 所述将视觉标记聚类为固定的簇的步骤包括： 基于接收到的视觉标记的李群内均值计算每个视觉标记的局部密度ρ： ； 其中，Ｃ表示视觉标记，表示第ｉ个视觉标记的相邻的视觉标记的李群内均值，和分别表示第ｉ个和第ｊ个视觉标记的特征； 根据视觉标记的局部密度与李群流形空间距离确定与目标最靠近的目标视觉标记作为聚类中心； 并根据李群流形空间距离将其他的视觉标记分配给离自身最近的聚类中心形成固定的簇； 其中，李群流形空间距离的计算公式为： ； 其中，和分别表示第ｉ个和第ｊ个视觉标记的特征，表示第i个视觉标记的局部密度，ρj表示第ｊ个视觉标记的局部密度； 所述将同一簇内的视觉标记合并为一个视觉标记的公式为： ； 其中，表示第i个视觉标记聚类成的簇，和分别表示第j个视觉标记的特征及其对应的李群内均值的重要程度，mi表示第i个视觉标记聚类成的簇合并后的视觉标记的特征； 视觉标记的重要程度的计算公式如下： ； 其中，表示视觉标记的重要程度，公式中的分子表示注意力特征图，是从分类视觉标记得到的查询向量与Keys值矩阵的点积，表示分类视觉标记，d=LH，L表示每个视觉标记嵌入到长度为L的向量，H表示Transformer模块当中的多头注意力机制中的头的数量，K为定值，由视觉标记的丢弃率来设置，T表示矩阵装置操作。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新区紫阳大道99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”。