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 > 大连大学胡玲艳获国家专利权

大连大学胡玲艳获国家专利权

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!

龙图腾网获悉大连大学申请的专利一种嵌入先验距离的植物时序图像对比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:CN115937613B

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:202310033871.2,技术领域涉及:G06V10/764;该发明授权一种嵌入先验距离的植物时序图像对比学习方法是由胡玲艳;许巍;郭睿雅;汪祖民;谷毛毛;陈鹏宇;徐国辉;郭占俊;李国强;秦山设计研发完成,并于2023-01-10向国家知识产权局提交的专利申请。

一种嵌入先验距离的植物时序图像对比学习方法在说明书摘要公布了:本发明公开了一种嵌入先验距离的植物时序图像对比学习方法,包括:读植物时序图像,获得物候期信息,生成四个种类的图像对;记录不同种类的图像对拥有的对应先验距离;将图像对x和y输入对比模型后,进行数据增强,得到图像v1和v2;图像v1和v2在编码器中提取特征向量h1和h2;提取特征向量h1和h2后,使用一种小型神经网络投影头,将表示映射到应用对比损失的空间;通过分级距离和分类距离两种方式,融合不同种类图像对的先验距离与对应向量z1和z2的实际距离,得到对比损失,进而进行训练。本发明使用对比学习来获得专门用于作物的预训练权重,使得该自监督对比学习方法可以有效应用于植物时序图像的预训练。

本发明授权一种嵌入先验距离的植物时序图像对比学习方法在权利要求书中公布了:1.一种嵌入先验距离的植物时序图像对比学习方法,其特征在于,包括: 读植物时序图像,获得物候期信息,生成四个种类的图像对,即同序列同时期、同序列不同时期、不同序列同时期、不同序列不同时期的图像对; 记录不同种类的图像对拥有的对应先验距离; 将一个图像对x和y输入对比模型后,进行数据增强,得到图像v1和v2;对同一个图像,在不同epoch的训练中生成不同视图; 所述图像v1和v2在编码器中提取特征向量h1和h2; 提取特征向量h1和h2后,使用神经网络投影头,将表示映射到应用对比损失的空间,得到向量z1和z2; 通过分级距离和分类距离两种方式,融合不同种类图像对的先验距离与对应向量z1、z2的实际距离,得到对比损失; 所述分级距离具体为:首先定义一个距离系数,以表征该类图像对之间的相对距离;对于图像对x和y,获取其距离: 为图像对原有的label,经过此处理,任意一个图像对x和y的先验距离标记为[0,1]之间的一个数,将视为样本对之间为同样含义图像之间的概率; 对于图像对x和y的向量z1和z2,计算损失值loss为: 式中为z1和z2的相似度;上式视为对z1和z2求相似度,并经过Sigmoid后,与所代表的概率求交叉熵;为温度系数,用于调节相似度的分布; 相似度采用负余弦距离或欧氏距离度量;当采用负余弦距离时: 欧氏距离即为l2范数: 对于每个mini-batch,若batchsize为n,则其对比损失loss为: 。

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大连大学,其通讯地址为:116622 辽宁省大连市经济技术开发区学府大街10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。

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。