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！

龙图腾网获悉北京理工大学申请的专利一种基于置信度动态学习的遥感图像跨域小样本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：CN117152606B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202311067451.2，技术领域涉及：G06V20/10；该发明授权一种基于置信度动态学习的遥感图像跨域小样本分类方法是由陈禾;李灿;庄胤;张桐;倪润峰;周天行;张志成;陈亮设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本一种基于置信度动态学习的遥感图像跨域小样本分类方法在说明书摘要公布了：本发明公开了一种基于置信度动态学习的遥感图像跨域小样本分类方法，包括：获取源域和目标域的遥感图像数据；利用源域遥感图像数据对深度学习网络模型进行预训练获得预训练初始化参数；构建半监督跨域协同训练模型并加载初始化参数；基于源域遥感图像数据进行监督学习；进行半监督跨域协同训练模型处理；进行置信度动态学习策略处理；基于总损失函数对初始化参数更新获得用于小样本分类的深度学习网络模型；待测试遥感图像数据输入用于小样本分类的深度学习网络模型，获得对应的分类结果。本发明克服目前对目标域数据信息利用不充分和深度学习模型不确定性损害跨域学习的缺陷，提高深度学习模型的泛化能力，提升对遥感图像跨域小样本分类的性能。

本发明授权一种基于置信度动态学习的遥感图像跨域小样本分类方法在权利要求书中公布了：1.一种基于置信度动态学习的遥感图像跨域小样本分类方法，其特征在于，包括以下步骤： S101：获取源域遥感图像数据以及目标域遥感图像数据； 其中，所述源域遥感图像数据携带标签，所述目标域遥感图像数据不携带标签；所述标签指示遥感图像数据的类别； S102：利用所述源域遥感图像数据对深度学习网络模型进行预训练，以获得深度学习网络模型的预训练初始化参数； S103：构建用于跨域特征表示学习的半监督跨域协同训练模型并加载所述预训练初始化参数； 其中，所述半监督跨域协同训练模型包括第一模型和第二模型； 所述构建用于跨域特征表示学习的半监督跨域协同训练模型并加载所述预训练初始化参数包括： 将所述预训练初始化参数同时加载至所述第一模型以及所述第二模型，其中，所述第一模型包括第一特征提取器与第一分类器，所述第二模型包括第二特征提取器和第二分类器； S104：将所述源域遥感图像数据输入所述第一模型进行监督学习，使所述第一模型具备通用特征信息提取能力； 所述将所述源域遥感图像数据输入所述第一模型进行监督学习，使所述第一模型具备通用特征信息提取能力包括： S104.1：对所述源域遥感图像数据进行特征提取，以获得源域特征：，其中，为所述源域遥感图像数据，为第一特征提取器，表示源域，为源域样本索引； S104.2：对所述源域特征进行分类预测，以获得源域分类预测概率： ，其中，为第一分类器，为归一化指数函数； S104.3：基于所述源域分类预测概率和所述源域遥感图像数据的标签，采用源域有监督损失对所述第一模型进行所述监督学习，所述源域有监督损失表达式如下： 其中，为交叉熵损失函数，为源域遥感图像数据标签，为源域遥感图像数据数量； 所述通用特征信息至少包括中低层特征信息； S105：对所述目标域遥感图像数据进行半监督跨域协同训练模型处理，以获得第一预测概率和第二预测概率； 所述对所述目标域遥感图像数据进行所述半监督跨域协同训练模型处理包括： S105.1：对所述目标域遥感图像数据进行增强处理，以获得强增强数据样本和弱增强数据样本； S105.2：对所述强增强数据样本经过第一特征提取器处理，以获得第一特征图： ，其中，为所述强增强数据样本，为第一特征提取器，为目标域强增强，为目标域样本索引； S105.3：将所述第一特征图经过第一分类器处理，以获得第一预测概率： ，其中为第一分类器； S105.4：所述弱增强数据样本经过第二特征提取器处理，以获得第二特征图： ，其中，为所述弱增强数据样本，为第二特征提取器，为目标域弱增强； S105.5：将所述第二特征图经过第二分类器处理，以获得第二预测概率： ，其中为第二分类器； S106：对所述第一预测概率和所述第二预测概率进行置信度动态学习策略处理； S107：构建总损失函数并基于所述总损失函数更新所述预训练初始化参数，以获得用于小样本分类的深度学习网络模型； S108：待测试遥感图像数据输入所述用于小样本分类的深度学习网络模型，以获得所述待测试遥感图像数据的分类结果，所述分类结果指示待测试遥感图像数据的类别； 其中所述待测试遥感图像数据部分携带标签。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。