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！

龙图腾网获悉广西师范大学申请的专利一种基于通道特征加强的农业遥感图像语义分割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：CN115909332B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211371489.4，技术领域涉及：G06V20/70；该发明授权一种基于通道特征加强的农业遥感图像语义分割方法是由蒋佳成;陆广泉;李杰成;韩亚丹设计研发完成，并于2022-11-03向国家知识产权局提交的专利申请。

本一种基于通道特征加强的农业遥感图像语义分割方法在说明书摘要公布了：本发明公开了一种基于通道特征加强的农业遥感图像语义分割方法，包括如下步骤：S1：划分农业语义分割图像数据集；S2：定义数据读取中的预处理方案；S3：定义随机权重采样器、分布式数据加载器；S4：从数据加载器中加载数据，开始特征提取；S5：使用空间金字塔结构和解码器模块，计算得到模型对图像每一个像素点的预测图xpred；S6:计算损失函数；S7：测试；S8：计算每一个语义类的采样概率，重构数据加载器；S9：重复以上步骤至模型训练完成。这种方法使得模型对每一个像素点的语义类预测更加准确，提升预测的精度和鲁棒性。

本发明授权一种基于通道特征加强的农业遥感图像语义分割方法在权利要求书中公布了：1.一种基于通道特征加强的农业遥感图像语义分割方法，包括如下步骤： S1：划分农业语义分割图像数据集，将数据划分为训练集和测试集； S2：定义数据读取中的预处理方案，具体过程为： S21：分别读取RGB图像和对应的拓展特征图像，读取对应的来自每个语义类的标签图像并拼接在一起，若某个数据集包含a个语义类，则标签图像为，由这a个语义类标签图像拼接而成的a通道图像； S22：对RGB图像进行颜色饱和度随机调整； S23：对RGB图像、拓展特征图像、标签图像，同时进行随机缩放，随机垂直翻转，随机水平翻转，随机旋转； S24：将RGB图像和拓展图像特征矩阵做标准化处理，按通道将RGB图像和拓展特征图像进行拼接，若拓展特征图像的通道数为b，则拓展特征图像与RGB图像拼接后组成3+b通道的图像； S3：定义随机权重采样器，一个成型的模型需要多轮训练，即每重复一次所有步骤为一轮训练，在模型的第一轮训练中，为训练集中每张图像分配相同的权重进行随机采样，定义分布式数据加载器，从而达到能使用多张显卡进行分布式训练的目的，提升模型训练效率； S4：从数据加载器中加载数据，开始特征提取，具体步骤如下： S41：将图像特征矩阵x和标签图像矩阵传入GPU； S42：图像特征矩阵x在使用卷积核为7的二维卷积层映射至高维通道后，到达瓶颈块；在瓶颈块中将W×H×C维度的图像特征矩阵x传入通道加强模块，其中W×H表示每一层特征包含的像素点数量，C表示通道数量，对各层特征做平均池化压缩成1×1×C的特征向量hcne； S43：对特征向量hcne在卷积核大小为3，输入通道数和输出通道数相等的一维卷积层上进行卷积，得到特征向量h1； S44：将特征向量h1在输入维度为图像特征矩阵x的原始输入通道数，输出维度为瓶颈块特征提取输出通道数的全连接层进行映射，并将新向量用于覆盖更新特征向量h1，得到特征向量h2； S45：将特征向量h2传入Sigmoid层，使用新向量覆盖更新得到特征向量h3并返回； S46：对原始图像特征矩阵x做IBN-a残差连接前的特征提取，并覆盖更新得到图像特征矩阵x1； S47：将图像特征矩阵x1和S45得到的特征向量h3相乘，更新图像特征矩阵x1并残差连接，经过ReLU层计算后向模型主框架返回覆盖更新得到图像特征矩阵x2； S5：使用空间金字塔结构和解码器模块，计算得到模型对图像每一个像素点的预测图xpred； S6:计算损失函数，利用梯度下降算法更新迭代参数，经过多次迭代之后使得损失函数收敛，其中，损失函数公式定义为： Ltotal＝0.5LCE+0.5LDice， 其中LCE表示交叉熵损失函数，LDice表示Dice损失函数，将两种损失函数通过同样的权重加权组合得到整体的损失函数； S7：模型训练结束之后进入测试环节，对训练好的模型使用测试集获取预测图像特征矩阵xval的步骤与步骤S4至S5的训练过程一致，同时计算模型对每一个类别的识别精度IoUi，i表示一个语义类； S8：根据式： 计算每一个语义类的采样概率，其中ntotal表示当前数据集中所有图像的数量，ni表示第i个语义类涉及的图像数量，IoUi表示当前模型对语义类i的识别精度，IoU分数是对象类别分割问题的标准性能度量，由于一张图片包含有多个语义类，定义一张图像被采样用于训练的概率为该图像所涉及所有语义类的概率平均值，按照每一张图像的采样概率，重新定义采样数据加载器对模型进行训练； S9：步骤S2至S8为一轮模型训练，按照既定目标重复步骤S2至S8完成模型训练。

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广西师范大学，其通讯地址为：541004 广西壮族自治区桂林市七星区育才路15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。