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 > 河北省科学院地理科学研究所张鹏飞获国家专利权

河北省科学院地理科学研究所张鹏飞获国家专利权

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!

龙图腾网获悉河北省科学院地理科学研究所申请的专利一种混合架构专家驱动遥感语义分割自学习网络搜索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:CN120472168B

龙图腾网通过国家知识产权局官网在2025-10-17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:202510598345.X,技术领域涉及:G06V10/26;该发明授权一种混合架构专家驱动遥感语义分割自学习网络搜索方法是由张鹏飞;孙雷刚;郝庆涛;周成虎;王钦艺;鲁军景;左璐;刘剑锋;马晓倩设计研发完成,并于2025-05-09向国家知识产权局提交的专利申请。

一种混合架构专家驱动遥感语义分割自学习网络搜索方法在说明书摘要公布了:本发明涉及一种混合架构专家驱动遥感语义分割自学习网络搜索方法,包括:获取遥感语义分割的数据集;基于先验参数设计混合架构专家网路作为特征编码器;构建异构编码动态搜索空间,通过自适应搜索学习融合混合架构专家的多粒度视觉特征;构建粗‑细粒度表征搜索空间,通过自适应搜索学习融合多粒度视觉特征;采用自下而上逐步上采样策略,通过自适应搜索学习将多粒度视觉特征由粗到细恢复到图像原始分辨率;输出语义分割制图结果,并采用精度评价评估网络的性能。本发明通过融合多架构和混合专家视觉特征以及融合多粒度视觉特征,构建了各项特征表达更加丰富的遥感影像语义分割网络,并且增强了对于遥感地物多尺度特性的适应能力。

本发明授权一种混合架构专家驱动遥感语义分割自学习网络搜索方法在权利要求书中公布了:1.一种混合架构专家驱动遥感语义分割自学习网络搜索方法,其特征在于,包括以下步骤: S1,获取遥感语义分割的数据集,并将数据集分别划分为用于网络训练的训练集、用于网络调参的验证集、用于网络评价的测试集; S2,基于先验参数设计混合架构专家网路作为特征编码器; 所述S2包括以下步骤: S21、选用混合架构专家网络,其中,选择基于三种语义分割网络架构的网络作为混合架构专家,即:1卷积神经网络专家:选择DeepLapV3+或PSPNet或ConvNeXt,记为CExpert1,CExpert2,…,CExpertN;2Transformer网络专家:选择Segformer或SwinTransformer或PoolFormer,记为TExpert1,TExpert2,…,TExpertN;3Mamba网络专家,记为MExpert1,MExpert2,…,MExpertN; S22,基于先验评价优选混合架构专家代表,对于混合架构专家网络,基于先验训练知识在每个架构中选出最优网络作为混合架构专家代表: CExpert=ΨCExpert1,CExpert2,…,CExpertN; TExpert=ΨTExpert1,TExpert2,…,TExpertN; MExpert=ΨMExpert1,MExpert2,…,MExpertN; 其中,CExpert、TExpert、MExpert分别为选出的最优的卷积神经网络专家代表、Transformer网络专家代表和Mamba网络专家代表,Ψ·表示依靠先验预训练知识的网络优选策略,即在开源或者自制数据集上的训练优异的模型参数,通过网络评价获取精度最高的网络作为代表; S23,混合架构专家视觉特征编码,将S22中选出的最优的混合架构专家代表作为该架构的特征编码器,提取输入影像的视觉特征,并逐个生成多粒度的视觉特征,即: ; ; ; 其中,为输入影像,、、分别为将S22中选出的卷积神经网络代表、Transformer网络代表和Mamba网络代表,,和分别为获取的多粒度特征,; S3,构建异构编码动态搜索空间,通过自适应搜索学习融合混合架构专家的多粒度视觉特征; 所述S3包括以下步骤: S31,构建异构编码动态搜索空间,针对混合架构专家的同尺度视觉特征,构建一个有向无环图结构作为基础的细胞单元,并构建一个两层的节点层作为搜索空间来自适应地融合不同专家网络的特征; S32,构建混合架构专家交互模块,公式为: ; 其中,,且用于表示不同尺度特征的索引值;,,为动态卷积层,均包括1个动态卷积层和1个归一化层,分别用于增强特征,,中的地物尺度的适应性;为可学习的贡献权重,公式为: 其中,为输入特征,为softmax函数,用于计算的贡献概率,采用TopK算法只选择排名前k网络给定贡献权重; S4,构建粗-细粒度表征搜索空间,通过自适应搜索学习融合粗-细粒度视觉特征; S5,采用自下而上逐步上采样策略,通过自适应搜索学习将多粒度视觉特征由粗到细恢复到图像原始分辨率; S6,输出语义分割制图结果,并采用精度评价评估网络的性能。

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河北省科学院地理科学研究所,其通讯地址为:050000 河北省石家庄市长安区西大街88号五方大厦2号办公楼101;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。