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！

龙图腾网获悉北京卫星信息工程研究所申请的专利基于提示学习的遥感图像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：CN119251680B 。

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：202411380023.X，技术领域涉及：G06V20/10；该发明授权基于提示学习的遥感图像分类方法是由冯鹏铭;李淑君;刘扬;兰海燕;关键;陈元伟;贺广均;金世超;梁颖;上官博屹设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于提示学习的遥感图像分类方法在说明书摘要公布了：本发明涉及一种基于提示学习的遥感图像分类方法，包括：获取遥感图像样本及其真实类别标签，并进行预处理，形成遥感图像数据集；根据遥感图像数据集，通过图像编码器和文本编码器，获得遥感图像样本的图像特征向量和文本特征向量；计算遥感图像样本的图像特征向量和文本特征向量之间的相似性，得到遥感图像样本的预测类别标签；计算分类损失和对比损失，重复执行上述步骤，训练并输出分类模型；利用分类模型进行遥感图像分类。本发明，通过上述方法缓解了遥感图像分类方法中语义信息不足的问题，提高了遥感图像分类准确性。

本发明授权基于提示学习的遥感图像分类方法在权利要求书中公布了：1.一种基于提示学习的遥感图像分类方法，其特征在于，包括以下步骤： 步骤S1、获取遥感图像样本及其真实类别标签，并进行预处理，形成遥感图像数据集； 步骤S2、根据遥感图像数据集，通过图像编码器和文本编码器，获得遥感图像样本的图像特征向量和遥感图像样本的提示的文本特征向量； 步骤S3、计算所述图像特征向量和所述文本特征向量之间的相似性，得到遥感图像样本的预测类别标签； 步骤S4、计算分类损失和对比损失，重复执行所述步骤S1至S4，训练并输出分类模型； 步骤S5、利用所述分类模型进行遥感图像分类； 在所述步骤S1中，所述预处理包括： 步骤S11、对遥感图像样本的每个像素进行精确的类别标注形成所述真实类别标签，根据所述真实类别标签，确定所述遥感图像数据集所包含的类别的类别信息描述及类别数量； 步骤S12、设置提示模板，所述提示模板的结构为”This is a photo of the {pro} {cls} used for the classification task”，pro为遥感图像样本的属性信息描述，cls为遥感图像样本的类别信息描述； 步骤S13、根据所述真实类别标签和所述提示模板，为所述遥感图像数据集中的每个遥感图像样本生成一个提示； 在所述步骤S13中，具体包括： 步骤S131、定义类别信息描述列表和属性信息描述列表，所述类别信息描述列表的元素分别为与所述遥感图像数据集所包含的类别对应的类别信息描述，所述属性信息描述列表的元素分别为与所述类别信息描述一一对应的属性信息描述，所述类别信息描述列表和所述属性信息描述列表的长度与所述遥感图像数据集的类别数量相等； 步骤S132、根据所述真实类别标签，查找所述类别信息描述列表和所述属性信息描述列表，获取与所述真实类别标签对应的类别信息描述和属性信息描述，并分别放入所述提示模板的pro和cls位置，形成遥感图像样本的提示； 在步骤S3中，计算所述图像特征向量与所述文本特征向量的相似性，得到遥感图像样本属于每一类别的概率，取概率值最大的类别为预测类别标签，遥感图像样本属于类别k的概率的计算公式如下： 其中，＜·＞为余弦相似度，f·为图像编码器，g·为文本编码器，fxi表示第i张遥感图像样本xi的图像特征向量，gtj表示标签为j的对应提示tj的文本特征向量，k和j的范围为[1,K]，K为所述遥感图像数据集的类别数量，τ为温度超参； 在所述步骤S4中，具体包括： 步骤S41、根据步骤S3得到的类别概率，计算分类损失Lcls； 步骤S42、根据步骤S2得到的图像特征向量和文本特征向量，计算对比损失Lcon。

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卫星信息工程研究所，其通讯地址为：100086 北京市海淀区知春路61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。