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！

龙图腾网获悉西北工业大学申请的专利一种基于双分支动态调制网络的多模态遥感图像融合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：CN116912646B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310816242.7，技术领域涉及：G06V10/80；该发明授权一种基于双分支动态调制网络的多模态遥感图像融合分类方法是由蒋雯;徐正怿;耿杰设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。

本一种基于双分支动态调制网络的多模态遥感图像融合分类方法在说明书摘要公布了：本发明公开了一种基于双分支动态调制网络的多模态遥感图像融合分类方法，包括以下步骤：步骤一获取多模态遥感图像数据集并进行预处理；步骤二提出动态多模态梯度优化策略，通过梯度调制在反向传播过程中动态调整各分支的优化进程；步骤三构建多模态双向增强模块，实现多模态遥感特征的互补增强；步骤四设计特征分布一致性损失函数，量化集成特征和主导特征之间的相似性；步骤五采用损失函数优化，得到训练完备的网络；步骤六采用训练好的模型预测测试集数据，得到分类结果。本发明提出了双分支动态调制网络，解决了双分支异构数据提取网络的不平衡收敛问题，能够动态修正特征表达过程，实现多模态模型的均衡收敛，从而达到更优的多模态遥感图像协同分类精度。

本发明授权一种基于双分支动态调制网络的多模态遥感图像融合分类方法在权利要求书中公布了：1.一种基于双分支动态调制网络的多模态遥感图像融合分类方法，其特征在于，包括以下步骤： 步骤一、获取模态1图像和模态2图像数据集并进行预处理； 步骤101：获取覆盖相同地理区域的模态1图像和模态2图像其中，模态1图像有C1个通道数，模态1图像像素数为a1×b1，模态2图像有C2个通道，模态2图像像素数为a2×b2； 步骤102：对步骤101中获取的模态1与模态2图像进行配准、裁剪、标注的预处理操作，得到像素点数为N的模态1局部图像模态2局部图像以及对应的标签其中，N＝a×b； 步骤103：将步骤102得到的模态1与模态2数据划分为训练集、测试集； 步骤二、提出动态多模态梯度优化策略，通过梯度调制在反向传播过程中动态调整各分支的优化进程； 步骤201：使用编码器Φhθh,·和Φlθl,·提取模态1和模态2图像块的特征； 步骤202：计算双分支网络中模态1特征提取分支和模态2特征提取分支的近似预测值： 步骤203：计算模态1分支贡献比率： 步骤204：计算模态2分支贡献比率模态2分支贡献比率定义为的倒数； 步骤205：动态选择主导模态Fd和辅助模态，如果则对应的模态1被定义为当前时刻的主导模态，而模态2被定义为辅助模态，如果模态1为当前时刻的辅助模态，模态2为主导模态； 步骤206：利用限制主导模态的优化，而不影响辅助模态，并最小化受抑制的优化：其中，α是用于调节优化程度的超参数； 步骤207：将整合到自适应矩估计优化方法Adam中，根据更新迭代步k时的反向传播梯度，其中，表示梯度的一阶矩估计，表示梯度的二阶矩估计，ε是用于保持数值稳定性的常数； 步骤三、构建多模态双向增强模块，实现模态1与模态2特征的互补增强； 步骤301：将模态1数据的局部特征图其中C是通道数，H×W是像素数，输入三个卷积层g1，θ1，φ，分别生成三个新的特征图：{Fh,a,Fh,b,Fh,c}，其中，将特征图Fh,a，Fh,b，Fh,c的维度由C8×H×W,C8×H×W,C×H×W转置为H×W×C8，C8×H×W，C×H×W； 步骤302：计算模态1数据的空间注意力矩阵： 步骤303：从模态2数据的局部特征图生成另外三个特征图，分别为：{Fl,a,Fl,b,Fl,c}，其中，将特征图Fh,a，Fh,b，Fh,c的维度由C8×H×W,C8×H×W,C×H×W转置为H×W×C8，C8×H×W，C×H×W； 步骤304：通过softmax层和Fl,a与Fl,b之间的矩阵乘法计算模态2数据的空间注意力矩阵 步骤305：将模态1数据的局部特征图与模态2数据的局部特征图输入多模态双向增强模块，得到多模态集成特征： 步骤四、设计特征分布一致性损失函数，量化集成特征和主导特征之间的相似性； 步骤401：通过KL散度量化主导特征图Fd和集成特征图Fm之间的距离，并据此计算特征分布一致性损失函数：LFDC＝KLavgM·Fm,Fd； 步骤五、采用损失函数优化，得到训练完备的网络； 步骤501：输入训练集数据，根据训练集的预测值与训练集标签，调节网络参数，优化损失函数Loss，所述损失函数的计算方式为：Loss＝LCE+γLFDC，其中，LCE为预测值与真实标签Y的交叉熵损失： 步骤502：迭代执行步骤二导步骤五，每次迭代后，迭代次数加一，直到迭代次数等于最大迭代次数，迭代结束，得到训练好的双分支动态调制网络； 步骤六、采用训练好的模型预测测试集数据，得到分类结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。