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！

龙图腾网获悉华东师范大学申请的专利用于高分遥感图像目标检测的核判别性损失函数确定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：CN116704348B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310703868.7，技术领域涉及：G06V20/10；该发明授权用于高分遥感图像目标检测的核判别性损失函数确定方法是由李丽月;陈曦;刘敏;曹桂涛;齐洪钢;王晟;王超杰设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本用于高分遥感图像目标检测的核判别性损失函数确定方法在说明书摘要公布了：一种用于高分遥感图像目标检测的核判别性损失函数确定方法，属于深度学习中遥感图像检测技术领域。本发明针对现有目标检测中损失函数在原来维度的特征空间中分离各类别特征，难以增强特征的非线性判别性的问题。包括对每一批次样本，基于初始化特征中心依次计算每个类别的特征中心相对于前一类别特征中心的增量，得到每个类别的特征中心；将每个类别的特征中心映射到希尔伯特空间，基于核函数计算希尔伯特空间中两两特征中心的距离平方；计算得到增强类间特征分离学习的权重项和增强类内特征聚合学习的权重项；再基于softmax交叉熵损失函数得到基于核技巧的判别损失函数。本发明用于高分遥感图像的目标检测中。

本发明授权用于高分遥感图像目标检测的核判别性损失函数确定方法在权利要求书中公布了：1.一种用于高分遥感图像目标检测的核判别性损失函数确定方法，基于softmax交叉熵损失函数获得，其特征在于包括， 对每一批次样本，基于初始化特征中心依次计算每个类别的特征中心相对于前一类别特征中心的增量，得到每个类别的特征中心； 将每个类别的特征中心映射到希尔伯特空间，基于核函数计算希尔伯特空间中两两特征中心的距离平方； 将计算获得的所有特征中心的距离平方求和并进行归一化处理，得到softmax交叉熵损失函数的增强类间特征分离学习的权重项； 再通过核函数计算每个类别样本的特征与对应类别的特征中心的靠近程度，得到softmax交叉熵损失函数的增强类内特征聚合学习的权重项； 基于增强类间特征分离学习的权重项、增强类内特征聚合学习的权重项和softmax交叉熵损失函数得到基于核技巧的判别损失函数，用于高分遥感图像目标检测； 设定一个类别的特征中心为x，映射到希尔伯特空间的映射函数为 增强类间特征分离学习的权重项表示为Tinter： 式中c表示样本的类别总数，xi表示每一批次样本中第i类样本的特征中心； 增强类内特征聚合学习的权重项表示为Tintra： 式中k表示第i类样本中第k个样本，b表示第i类样本的样本总数，δr是第二判别函数，当前样本若属于第i类，则输出1，否则输出0； L表示对括号内的特征进行降维，表示第i类样本中第k个样本的特征，kmax为高斯核函数k的最大值，kmin为高斯核函数k的最小值； 基于核技巧的判别损失函数表示为Lcls： 式中Lsoftmax为softmax交叉熵损失函数。

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华东师范大学，其通讯地址为：200062 上海市普陀区中山北路3663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。