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！

龙图腾网获悉中移(苏州)软件技术有限公司;中国移动通信集团有限公司申请的专利基于量子迁移的遥感图像识别方法、系统、设备和产品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：CN120853021B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511255446.3，技术领域涉及：G06V20/10；该发明授权基于量子迁移的遥感图像识别方法、系统、设备和产品是由王丙磊;贾玉;刘驰设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本基于量子迁移的遥感图像识别方法、系统、设备和产品在说明书摘要公布了：本发明公开了一种基于量子迁移的遥感图像识别方法、系统、设备和产品，涉及遥感图像识别技术领域，通过获取预训练的用于识别预设目标的深度学习模型，提取所述深度学习模型的高层特征；通过角度编码将所述高层特征编码为量子态，并构建以指定量子比特为中心的多比特纠缠态，形成量子神经网络；根据预训练的所述深度学习模型和所述量子神经网络，形成混合迁移模型；对所述混合迁移模型进行训练，将待识别遥感图像输入至训练后的混合迁移模型，识别得到预设目标。采用本发明实施例，能够降低模型参数量，同时利用经典计算机的算力和量子计算机的全局特征，满足遥感图像的精准识别需求。

本发明授权基于量子迁移的遥感图像识别方法、系统、设备和产品在权利要求书中公布了：1.一种基于量子迁移的遥感图像识别方法，其特征在于，包括： 获取预训练的用于识别预设目标的深度学习模型，提取所述深度学习模型的高层特征； 通过角度编码将所述高层特征编码为量子态，并构建以指定量子比特为中心的多比特纠缠态，形成量子神经网络； 根据预训练的所述深度学习模型和所述量子神经网络，形成混合迁移模型； 对所述混合迁移模型进行训练，将待识别遥感图像输入至训练后的混合迁移模型，识别得到预设目标； 所述根据预训练的所述深度学习模型和所述量子神经网络，形成混合迁移模型，包括： 获取预训练的所述深度学习模型的模型参数； 将所述深度学习模型划分为特征提取网络和分类网络；其中，特征提取网络的输入为遥感图像，特征提取网络的输出为高层特征；分类网络的输入为高层特征，输出为目标识别结果； 将所述特征提取网络与所述量子神经网络进行连接，形成混合迁移模型；所述特征提取网络的参数根据所述模型参数固定设置； 所述对所述混合迁移模型进行训练，将待识别遥感图像输入至训练后的混合迁移模型，识别得到预设目标，包括： 获取包括预设目标的遥感图像数据集； 采用所述遥感图像数据集对所述混合迁移模型进行训练，训练过程中仅对所述量子神经网络的参数进行调整； 将待识别遥感图像输入至训练后的混合迁移模型，识别得到预设目标； 所述通过角度编码将所述高层特征编码为量子态，并构建以指定量子比特为中心的多比特纠缠态，形成量子神经网络，包括： 根据所述高层特征的维度，对所述高层特征进行分组，每一高层特征组对应一量子比特； 通过角度编码，将高层特征组加载到与其对应的量子比特所处量子态的振幅上； 建立以指定量子比特为中心的多比特纠缠态，得到量子神经网络结构； 根据指定量子比特的量子态测量结果，得到量子神经网络的输出； 所述建立以指定量子比特为中心的多比特纠缠态，得到量子神经网络结构，包括： 根据各量子比特与所述指定量子比特的由外及内的距离层级，依次在相邻量子比特间施加CNOT门；每对相邻量子比特中远离所述指定量子比特的量子比特为控制端，靠近所述指定量子比特的量子比特为目标端； 根据各量子比特与所述指定量子比特的由外及内的距离层级，依次在相邻量子比特间施加两量子比特量子门； 通过在指定量子比特上施加CNOT门和单量子比特量子门，将多比特纠缠态收缩于所述指定量子比特，得到量子神经网络结构。

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中移(苏州)软件技术有限公司;中国移动通信集团有限公司，其通讯地址为：215163 江苏省苏州市高新区昆仑山路58号1幢中移软件园；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。