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！

龙图腾网获悉复旦大学申请的专利基于小波谱迁移的双向跨模态无监督图像分割域适应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：CN115713037B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211483011.0，技术领域涉及：G06F30/27；该发明授权基于小波谱迁移的双向跨模态无监督图像分割域适应方法是由刘绍雷;宋志坚;王满宁设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于小波谱迁移的双向跨模态无监督图像分割域适应方法在说明书摘要公布了：本发明公开了一种基于小波谱迁移的双向跨模态无监督图像分割域适应方法，包括：构建源域数据与目标域数据，基于所述源域数据与所述目标域数据获取迁移数据；基于所述迁移数据构建域分割模型；基于自训练策略对所述域分割模型进行优化，获取最优分割模型；基于所述最优分割模型进行图像域分割。本发明提出的双向跨模态无监督域适应框架摒弃了传统的对抗网络训练方式，显式地缩小了源域和目标域的数据差异，从而有效提升了在目标域的分割性能。

本发明授权基于小波谱迁移的双向跨模态无监督图像分割域适应方法在权利要求书中公布了：1.一种基于小波谱迁移的双向跨模态无监督图像分割域适应方法，其特征在于，包括以下步骤： 构建源域数据与目标域数据，基于所述源域数据与所述目标域数据获取迁移数据； 所述迁移数据为具有所述目标域数据纹理细节信息的数据；基于所述源域数据与所述目标域数据获取迁移数据的过程包括：对所述源域数据进行谱迁移训练，获取所述迁移数据； 对所述源域数据进行谱迁移训练的过程包括：对所述源域数据与所述目标域数据进行平稳小波变换，获取源域高频小波分量与目标域高频小波分量，使所述目标域高频小波分量替换所述源域高频小波分量； 基于所述迁移数据构建域分割模型；基于所述迁移数据构建域分割模型的过程包括：将所述迁移数据经过编码器并进行训练，获取所述域分割模型；将所述迁移数据经过编码器并进行训练的过程中，对所述迁移数据采用基于熵的正则化约束； 所述基于熵的正则化约束包括： 其中ρx＝x2+0.0012η，为目标域数据，Ew为共享的编码器； 总体损失函数为 基于自训练策略对所述域分割模型进行优化，获取最优分割模型； 基于自训练策略对所述域分割模型进行优化的过程包括：分别基于所述目标域数据的小波域的水平、垂直以及对角高频分量获取三个分割模型，基于三个所述分割模型获取三个预测结果，基于三个所述预测结果的平均值作为所述目标域数据的伪标签对所述域分割模型进行优化； 基于所述最优分割模型进行图像域分割。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。