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！

龙图腾网获悉吉林大学申请的专利一种变尺度深度学习的地下目标成像方法及成像系统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：CN120339803B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510773521.9，技术领域涉及：G06V10/82；该发明授权一种变尺度深度学习的地下目标成像方法及成像系统是由周帅;姚秀安;马国庆;卢鹏羽;赵健维设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本一种变尺度深度学习的地下目标成像方法及成像系统在说明书摘要公布了：本发明公开了一种基于变尺度深度学习的地下目标成像方法及成像系统，属于地球物理勘探技术领域，包括如下步骤：S1：建立多尺度磁测数据集；S2：构建基于UNet++的变尺度深度学习网络模型，动态信息融合层将池化后与拆分卷积后的信息进行特征融合，能够适应任意尺寸的输入数据并弥补池化造成的信息损失；S3：设计均方误差和损失加权构成的多约束损失函数；S4：采用迁移学习，将固定尺寸训练好的模型参数作为初始权重，通过冻结并微调解码器参数，实现多尺寸数据的渐进式训练，最后根据测试集预测效果验证整个网络模型的有效性，不仅在处理不同尺度数据时提高了网络的通用性和灵活性，还能快速适应特定区域大尺寸数据特征。

本发明授权一种变尺度深度学习的地下目标成像方法及成像系统在权利要求书中公布了：1.一种基于变尺度深度学习的地下目标成像方法，其特征在于，包括如下步骤： S1：建立多尺度磁测数据集，包括不同尺寸的地下目标磁异常数据，多尺度磁测数据集分为训练集、验证集和测试集，基于磁异常正演计算公式得到多尺度磁测数据集的数据； S2：构建基于UNet++的变尺度深度学习网络模型，包括动态信息融合层，动态信息融合层包括自适应调整模块和跨尺度特征对齐模块，动态信息融合层能够适应任意尺寸的输入数据并弥补池化造成的信息损失； S3：采用多约束损失函数对变尺度深度学习网络进行训练，多约束损失函数由数值误差项和空间一致性评估项加权构成； S4：采用迁移学习，将训练后的训练集参数作为初始权重，通过冻结编码器参数并微调解码器参数，实现多尺寸数据的渐进式训练，训练结束后使用验证集进行验证效果，最后根据测试集预测效果，验证整个变尺度深度学习网络模型的有效性； 自适应调整模块：包括自适应池化层，自适应池化层负责实现输入特征图动态映射至目标尺寸，无需依赖固定池化窗口的大小； 自适应池化层输入特征图尺寸动态调整公式为： （5） 其中，自适应池化层将输入特征图转换为输出特征图，每个输出单元的值如上式所得，是第c个通道的输出，是第c个通道的输入，和是输出特征图的坐标，取值范围分别是1和1，和分别是输入区域在高度和宽度上的尺寸，为第c个通道输出特征图，为第c个通道输入特征图，后面的坐标为和，即第c个通道的输入后面的是输出特征图的坐标，以输出特征图的坐标作为索引依据，反过来映射到输入特征图上进行池化计算； 跨尺度特征对齐模块：包括拆分卷积模块，拆分卷积模块包含并行设置的两个不同尺寸卷积核，采用并行3×3和5×5卷积核，最后采用1×1卷积核的拆分卷积结构，跨尺度特征对齐模块用于解决多分辨率特征融合问题。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。