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！

龙图腾网获悉大连理工大学申请的专利一种基于判别式文本提示学习的跨域少样本遥感目标分类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：CN121033550B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511539533.1，技术领域涉及：G06V10/764；该发明授权一种基于判别式文本提示学习的跨域少样本遥感目标分类方法是由赵文达;何睿坤;赵凡;刘颢;杨向广;马晓瑞设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于判别式文本提示学习的跨域少样本遥感目标分类方法在说明书摘要公布了：本发明属于图像信息处理技术领域，公开了一种基于判别式文本提示学习的跨域少样本遥感目标分类方法。首先将支持集和查询集送入图像编码器获得编码后的特征和。通过语义提示生成模块，通过支持集原型特征引导提示生成器，产生适配少样本任务的判别性语义提示S，替代固定模板以精准表征类别属性；随后通过文本编码器处理判别性语义提示S，类内对比正则化，构建同类多视角提示对与异类负样本对，采用温度调制对比损失抑制实例噪声，提升跨域鲁棒性；最后本发明提出了双模态决策混合预测，通过视觉‑文本语义相似度与视觉‑视觉特征匹配度，克服了以往方法无法兼顾域不变性和少样本下细节判别力。

本发明授权一种基于判别式文本提示学习的跨域少样本遥感目标分类方法在权利要求书中公布了：1.一种基于判别式文本提示学习的跨域少样本遥感目标分类方法，其特征在于，步骤如下： 1语义提示生成； 首先，把DIOR遥感数据集、DOTA数据集、HRRSD遥感图像数据集、NWPUVHR-10遥感图像数据集、xView数据集中的一个作为原始训练数据集，剩余四个作为测试数据集；随后将原始训练数据集划分为若干组伪支持集和伪查询集，以组为批次训练更新CLIP模型；针对任一组伪支持集和伪查询集，将伪支持集输入冻结的CLIP图像编码器提取特征，将伪查询集输入冻结的CLIP图像编码器提取特征；随后计算特征中每个类别下所有样本的平均特征作为该类别原型，得到包含所有类别的伪支持集类别原型；对于伪支持集类别原型中的任一类别，通过可学习的提示生成器G将该类别原型映射为M个动态提示词向量，其中k=1,2,3,...,M： 1 其中，可学习的提示生成器G包含两个线性层和ReLU激活函数； 再拼接动态提示词向量与伪支持集下所有类别的[CLASS]分类标签，其中CLASS为所有类别的英文名，形成判别性语义提示： 2 该判别性语义提示S经过CLIP文本编码器，得到包含所有类别的文本嵌入t，随后根据CLIP模型计算图文匹配相似度，输出真实类别预测概率： 3 其中，为文本嵌入t中包含的第个类别的文本嵌入和为文本嵌入t中包含的第j个类别的文本嵌入；为余弦函数，计算文本嵌入和特征的余弦相似度；为以e为底的指数运算； 在交叉熵CE下，原始训练数据集中真实类别标签Y指导真实类别预测概率P的学习，从而更新提示生成器参数，确保判别性语义提示能正确引导分类任务，如下所示： 4 2类内对比学习； 将同一类别下不同批次中不同样本生成的多个文本提示嵌入作为正样本对，其余不同类别的文本提示嵌入作为负样本对；采用对比损失约束，将正样本对与负样本对的距离控制在超参数margin内，获得特定于类的判别性提示，滤除特定于实例的噪声： 5 其中，为任一样本，为的相关正样本，为的相关负样本，relu为激活函数，dist为L2距离函数，margin为正、负样本对的控制距离； 3优化与分类决策； 整体损失函数包括分类损失与对比损失来更新判别性提示和提示生成器参数： 6 分类决策时，分别计算伪查询集提取的特征与文本嵌入t、伪支持集类别原型之间的余弦相似度分数，将两个余弦相似度分数合并后的结果作为最终分类结果。

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理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。