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！

龙图腾网获悉中山大学申请的专利基于预训练大模型与梯侧调优策略的单木检测方法及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：CN119904752B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510004878.0，技术领域涉及：G06V20/10；该发明授权基于预训练大模型与梯侧调优策略的单木检测方法及系统是由孙颖;黄辰;林珏羽设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本基于预训练大模型与梯侧调优策略的单木检测方法及系统在说明书摘要公布了：本发明公开了基于预训练大模型与梯侧调优策略的单木检测方法及系统，涉及林业遥感智能监测技术领域，该方法包括：获取遥感图像并预处理和构建参考样本数据集；将预训练大模型作为全局特征编码器，基于梯侧调优策略构建旁支模型作为局部特征编码器，使用编码器逐阶段提取并融合预处理后的遥感图像的全局和局部特征，得到多层级特征；针对不同场景预设分割阈值与冠层处理策略；构建双流特征解码器，根据分割阈值与冠层处理策略，对多层级特征进行处理，再采用全卷积网络进一步处理，得到树木冠层分割结果；输出目标区域内的单木检测信息。本发明提升了对复杂场景的检测适应性，降低对大规模标注数据的依赖，减少单木检测的成本并提高效率。

本发明授权基于预训练大模型与梯侧调优策略的单木检测方法及系统在权利要求书中公布了：1.基于预训练大模型与梯侧调优策略的单木检测方法，其特征在于，包括以下步骤： 获取遥感图像并进行预处理，根据所述遥感图像构建参考样本数据集； 将预训练大模型作为全局特征编码器，基于梯侧调优策略构建旁支模型并作为局部特征编码器，使用所述全局特征编码器和所述局部特征编码器逐阶段提取预处理后的遥感图像的全局特征和局部特征并逐阶段进行融合，得到多个层级的特征； 针对不同场景预设不同的分割阈值与冠层处理策略； 构建双流特征解码器，根据所述分割阈值与冠层处理策略，使用所述双流特征解码器对所述多个层级的特征进行处理，再采用全卷积网络进行进一步处理，得到树木冠层分割结果； 根据所述树木冠层分割结果输出目标区域内的单木检测信息； 所述融合的过程具体为，将全局特征的特征图与局部特征的特征图通过可学习门控单元参数进行加权融合，加权融合过程用如下表达式进行表示： 其中，是通过SAM_encoder编码器即全局特征编码器得到的全局特征的特征图，为通过Additional_encoder编码器即局部特征编码器得到的局部特征的特征图，为利用可学习门控单元参数进行融合得到的特征图，表示特征图的维度，分别为高度、宽度、通道数，是可学习门控单元参数，是可变系数，表征加权融合中的权重，所述可学习门控单元参数在所述旁支模型训练过程中根据所述参考样本数据集通过反向传播进行训练优化，使多个层级的特征中的全局与局部信息实现动态平衡； 在逐阶段提取全局特征和局部特征并逐阶段进行融合的过程中，首先进行分块操作使得输入的图块保持大小一致，逐阶段提取和融合过程中每一阶段都进行特征提取并在局部特征编码器的卷积模块中进行降采样，每一阶段会对提取到的全局特征和局部特征进行融合并将融合后的特征输入下一阶段进行融合，由此得到多个层级的特征； 所述使用所述双流特征解码器对所述多个层级的特征进行处理，再采用全卷积网络进行进一步处理，具体包括： 所述双流特征解码器对所述多个层级的特征进行逐级上采样与还原，所述双流特征解码器还包括特征金字塔网络和区域提议网络，所述特征金字塔网络对进行逐级上采样与还原后的所述多个层级的特征进行融合，得到融合特征，所述区域提议网络根据所述融合特征生成候选区域建议以确定潜在单木位置，所述全卷积网络对候选区域进行精细分割，最终得到树木冠层分割结果。

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中山大学，其通讯地址为：510315 广东省广州市海珠区新港西路135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。