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！

龙图腾网获悉武汉大学申请的专利一种线下训练-线上学习的灾害场景地物损毁评估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：CN115512222B 。

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：202211172718.X，技术领域涉及：G06V20/10；该发明授权一种线下训练-线上学习的灾害场景地物损毁评估方法是由钟燕飞;郑卓;马爱龙;王俊珏;张良培设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种线下训练-线上学习的灾害场景地物损毁评估方法在说明书摘要公布了：本发明涉及一种基于线下训练‑线上学习框架的灾害场景地物损毁评估方法，用于快速、准确的多灾害场景地物损毁评估，支撑灾害应急响应应用。通过线下训练‑线上学习框架不断对齐模型在未知区域、未知灾种数据中的统计特征分布，克服未知区域与未知灾种带来的分布漂移问题；并设计了端到端的多任务灾前地物提取与灾后损毁评估深度网络模型，将灾前地物区域提取与灾后地物损毁评估可微分地整合在一起，解决了传统损毁评估模型无法同时具备端到端训练、推理与目标一致性预测的问题。本发明能够解决现有的模型难以泛化到未知区域、未知灾种以及评估目标语义不一致等问题，有效支撑准确的分钟级城市灾害快速应急响应。

本发明授权一种线下训练-线上学习的灾害场景地物损毁评估方法在权利要求书中公布了：1.一种线下训练-线上学习的灾害场景地物损毁评估方法，其特征在于，包括以下步骤： 步骤1，构建灾害场景地物损毁评估影像样本数据库，并按比例划分为训练集、无标注集与验证集，对训练集、无标注集与验证集做归一化处理，然后对归一化后的训练集和无标注集进行随机数据增强处理； 步骤2，构建线下的多任务灾前地物提取与灾后损毁评估深度网络模型，并采用基于梯度的线下训练算法求解模型参数； 步骤3，构建线上的多任务灾前地物提取与灾后损毁评估深度网络模型，并加载线下训练获得的模型参数；利用无标注集与线上学习算法对线上的多任务灾前地物提取与灾后损毁评估深度网络模型进行滑动平均参数更新； 步骤3的具体实现包括如下子步骤： 步骤3.1，在线上加载所有多任务灾前地物提取与灾后损毁评估深度网络模型F1及其线下训练的网络参数，并构建一个新的多任务灾前地物提取与灾后损毁评估深度网络模型F2，对训练好的参数进行动量为0.99的滑动平均处理，用于新网络模型的参数初始化； 步骤3.2，线上学习旨在令模型F2通过回归的方式渐进学习模型F1的特征表示，充分挖掘线下模型已学习的知识表示，同时利用未标注的新增数据，线上调整拟合的特征分布，克服跨灾种、跨区域的分布漂移问题；具体以一定批次大小输入无标注灾前灾后影像对数据到模型F1，并对其再一次进行随机色彩扰动、几何翻转、旋转数据增强操作，输入到模型F2；对两个模型输出的似然作均方根误差损失计算，并反向传播求得参数梯度，并对模型F2进行动量为0.99的滑动平均参数更新，反复迭代直至达到收敛条件； 步骤4，基于训练收敛后的线上深度网络模型，对待评估数据进行预测，利用输出概率获取损毁评估结果； 步骤4的具体实现包括如下子步骤： 步骤4.1，对于新的灾前、灾后遥感影像对，将其进行归一化之后输入到步骤3中获得的网络模型中，得到网络输出的地物灾前分类概率图与灾后损毁评估概率图； 步骤4.2，利用地物灾前分类概率，取最大值获取分类结果，并利用种子填充算法、区域提议算法提取地物目标实例；在灾后损毁评估概率图中获取每个地物目标实例区域的区域损毁概率图，对每个区域损毁概率图取最大值，获取区域损毁分类图，利用多数投票算法，找到最大置信的损毁级别，作为该目标实例区域的损毁级别；迭代所有地物目标实例，得到最终灾后损毁评估图。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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。