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重庆创新中心;北京理工大学申请的专利一种基于半监督神经网络的高光谱图像显著图生成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：CN114359675B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210039812.1，技术领域涉及：G06V10/774；该发明授权一种基于半监督神经网络的高光谱图像显著图生成方法是由许廷发;秦昊林;李佳男;严培琳设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本一种基于半监督神经网络的高光谱图像显著图生成方法在说明书摘要公布了：本发明提供一种基于半监督神经网络的高光谱图像显著图生成方法，包括：构建半监督神经网络；所述半监督神经网络包括孪生预测模块和注意力辅助模块；利用完全监督数据集对孪生预测模块和注意力辅助模块进行预训练；利用预训练的注意力辅助模块对弱监督数据集生成像素级掩码；使用像素级掩码和弱监督数据集对预训练的对孪生预测模块进行完全监督训练；利用完全监督训练好的孪生预测模块对输入的高光谱图像生成显著图。本发明采用半监督神经网络提取高光谱图像特征并直接生成预测显著图，极大的节省了像素级标注成本，提高模型鲁棒性和检测精度，能够生成质量更高的显著图。

本发明授权一种基于半监督神经网络的高光谱图像显著图生成方法在权利要求书中公布了：1.一种基于半监督神经网络的高光谱图像显著图生成方法，其特征在于，包括如下步骤： 构建半监督神经网络；所述半监督神经网络包括孪生预测模块和注意力辅助模块； 利用完全监督数据集对孪生预测模块和注意力辅助模块进行预训练； 利用预训练的注意力辅助模块对弱监督数据集生成像素级掩码； 使用像素级掩码和弱监督数据集对预训练的对孪生预测模块进行完全监督训练； 利用完全监督训练好的孪生预测模块对输入的高光谱图像生成显著图； 所述注意力辅助模块包括超像素采样网络、全局平均池化层、全连接层、1×1卷积层、Sigmoid函数层和U2Net网络；所述注意力辅助模块的处理过程如下： 所述超像素采样网络对输入的弱监督数据集中的特征图提取超像素局部特征并输入全连接层； 所述全局平均池化层对输入的弱监督数据集中的特征图提取全局特征并将全局特征上采样到原始尺寸后输入全连接层； 所述全连接层将局部特征和全局特征相结合为融合特征后输入卷积层； 所述1×1卷积层根据融合特征生成注意力权重并经Sigmoid函数层输出； 计算注意力权重与输入的弱监督数据集中的特征图的哈达玛积并输入U2Net网络； 所述U2Net网络根据哈达玛积对弱监督数据集生成像素级掩码；所述孪生预测模块为基于U2Net网络的孪生网络结构，包括两支共享权重参数的预测网络；所述孪生预测模块的处理过程如下： 将原始高光谱图像输入第一支预测网络得到第一预测显著图； 将边界高光谱图像输入第二支预测网络得到第二预测显著图； 用均方误差表示第一预测显著图和第二预测显著图的差异，并通过最小化这种差异进行训练。

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重庆创新中心;北京理工大学，其通讯地址为：401120 重庆市渝北区龙兴镇曙光路9号9幢；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”。