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！

龙图腾网获悉华中师范大学申请的专利一种基于TransUnet架构的影像自监督学习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：CN115331073B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202210882058.8，技术领域涉及：G06V10/774；该发明授权一种基于TransUnet架构的影像自监督学习方法是由庞世燕;胡瀚淳;李畅;陈加;石业鹏设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本一种基于TransUnet架构的影像自监督学习方法在说明书摘要公布了：本发明公开了一种基于TransUnet架构的影像自监督学习方法，该方法在TransUnet架构的基础上，通过掩码自编码方式构建全新的影像自监督学习方法，通过在成本低、无需标注的原始影像上进行自监督训练，获得高质量的影像高阶特征，以此来大幅减轻下游任务的训练难度。为验证方法的有效性，采用建筑物提取数据集进行了影像自监督学习实验，并将其应用到建筑物提取的下游任务，结果表明：由于充分结合了CNN和Transformer各自优势，本发明具有收敛速度快、计算量小、鲁棒性强等优点，在遥感、医疗等领域的小数据集上可以显著提高精度，节省数据集的使用并降低人工标注成本。

本发明授权一种基于TransUnet架构的影像自监督学习方法在权利要求书中公布了：1.一种基于TransUnet架构的影像自监督学习方法，其特征在于，包括如下步骤： 步骤1，构建影像掩码自编码网络，所述影像掩码自编码网络基于TransUnet架构，只使用原始影像训练该网络，不需要真值标签，对原始影像特征图随机掩盖并预测被掩盖区域像素，获取一个可充分提取影像特征的预训练模型； 所述影像掩码自编码网络包括卷积网络特征提取、特征图掩码、Transformer特征编码、混合解码，共4个部分； 其中混合解码部分包括掩码恢复、Transformer解码块、卷积上采样解码块三部分； 掩码恢复部分将上一部分深层编码的序列恢复原始顺序，对于其中被掩码的空缺位置用可学习的向量代替；Transformer解码块由6块串联的Transformer单元组成；卷积上采样解码块通过将初步解码后的序列重塑成矩形，并使用4个卷积上采样单元经进行解码，并恢复原始影像；每个卷积上采样单元由1个3×3卷积和1个两倍插值上采样组成，通过三次卷积上采样，特征图变为最后的原始尺寸，最后的影像预测头通过卷积将通道数转变为3，输出原始彩色影像； 步骤2，高阶影像特征效果验证，在影像掩码自编码网络的基础上构建用于语义分割的全监督学习网络，并采用遥感影像建筑物提取数据集训练全监督学习网络，进而对步骤1自监督学习获得的高阶影像特征质量进行验证； 所述全监督学习网络的构建过程为：在步骤1的影像掩码自编码网络中去除特征图掩码部分，将步骤1的混合解码部分中的Transformer解码块去除，并将步骤1的混合解码部分中的卷积上采样解码块的预测头通过卷积将通道数修改为语义分割类别数，最后在步骤1的卷积网络特征提取部分与卷积上采样解码块之间搭建跳转连接，形成用于语义分割的全监督学习网络。

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中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞瑜路152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。