Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学任仲乐获国家专利权

西安电子科技大学任仲乐获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利一种基于对比自监督学习的SAR影像跨分辨率语义分割方法、系统、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:CN119152207B

龙图腾网通过国家知识产权局官网在2025-09-26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:202411200836.6,技术领域涉及:G06V10/26;该发明授权一种基于对比自监督学习的SAR影像跨分辨率语义分割方法、系统、设备及介质是由任仲乐;高树林;侯彪;李卫斌;焦李成设计研发完成,并于2024-08-29向国家知识产权局提交的专利申请。

一种基于对比自监督学习的SAR影像跨分辨率语义分割方法、系统、设备及介质在说明书摘要公布了:一种基于对比自监督学习的SAR影像跨分辨率语义分割方法、系统、设备及介质;方法包括:采集同一地区两种分辨率的SAR影像组成训练集;按照相对位置裁剪不同分辨率的影像,使得到的每一个子影像分别对应同一地区的同一位置,并将其作为一组对比对;利用聚类方法使同一组对比对内及其增强数据聚类到同一个聚类中心,不同组对比对间聚类到不同聚类中心;冻结聚类阶段的特征提取器,用于分割任务的特征提取,并训练下游的分类器;利用训练好的模型进行语义分割;合并语义分割结果,得到最终的分割影像;系统、设备及介质用于实现该方法;本发明具有增强模型对不同尺度变化的敏感性,提高鲁棒性、准确性,以及降低对大量人工标注数据依赖的优点。

本发明授权一种基于对比自监督学习的SAR影像跨分辨率语义分割方法、系统、设备及介质在权利要求书中公布了:1.一种基于对比自监督学习的SAR影像跨分辨率语义分割方法,其特征在于,包括以下步骤: 步骤1,采集两种分辨率不同的SAR影像,所述两种分辨率包括A分辨率和B分辨率; 步骤2,将步骤1中的每种分辨率的SAR影像按照相对大小裁剪,以使A分辨率裁剪后得到的每一个影像和B分辨率裁剪后得到的影像对应同一地区的同一位置,并将其作为一组对比对,作为正样本使用,A分辨率裁剪后得到的每一个影像和B分辨率裁剪后得到的影像对应同一地区的不同位置,构成对比对,作为负样本使用;然后仅对正样本对比对的一部分对比对进行标注,得到部分有标记的数据,其余为未标记数据; 步骤3,选取特征提取器,并设计损失函数,使用特征提取器提取的特征对步骤2得到的所有的未标记数据进行聚类,包括对未标记数据中的同类地物的不同分辨率的影像进行聚类以形成类簇,同时通过区分各类的类簇,学习各类地物特征的本质表示,通过最小化损失函数动态更新特征提取器; 步骤4,将步骤3中动态更新后的特征提取器冻结,对步骤2得到的部分有标记的数据,进行特征提取,得到高维特征;并且设置下游任务,将高维特征输入至分类器中进行训练,得到分割模型; 步骤5,利用步骤4得到的分割模型进行语义分割,得到语义分割结果; 步骤6,合并步骤5的语义分割结果,并得到最终的分割影像。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2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。

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。