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！

龙图腾网获悉西安电子科技大学;中国科学院国家空间科学中心申请的专利基于视觉眼动模式与深度学习的极光亚暴识别方法与装置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：CN119919989B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510000662.7，技术领域涉及：G06V40/18；该发明授权基于视觉眼动模式与深度学习的极光亚暴识别方法与装置是由韩冰;韩怡园;高新波;陆阳设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本基于视觉眼动模式与深度学习的极光亚暴识别方法与装置在说明书摘要公布了：本发明公开了一种基于视觉眼动模式与深度学习的极光亚暴识别方法与装置，主要解决现有极光亚暴识别方法准确率不高和模型设计无依据的问题。其实现方案包括：通过收集多名空间物理学家的眼动数据，生成各种类型极光亚暴的专家眼动注视模式图；建立极光亚暴眼动数据集；进一步设计视觉眼动模式预测模块用来学习专家的视觉注视模式，并设置视觉模式嵌入的亚暴序列识别模块，该模块中融入了空间物理知识及专家视觉注视模式，最终构建适用于极光亚暴序列识别的深度学习模型并对其进行训练，利用训练好的模型对极光序列进行识别。本发明不仅增强了极光亚暴特征的表示，而且提高了极光亚暴图像序列识别的准确率和模型设计的合理性，可用于自动化的空间物理事件识别。

本发明授权基于视觉眼动模式与深度学习的极光亚暴识别方法与装置在权利要求书中公布了：1.一种基于视觉眼动模式与深度学习的自动化极光亚暴识别方法，其特征在于，包括： 构建空间物理专家眼动数据集，该数据集包含原始的紫外极光图像序列以及部分专家眼动注视模式图序列； 读取序列中的每一个极光图像以及其对应的专家眼动注视模式图作为初始训练集，剩余序列中的每一个极光图像作为初始测试集； 构建包括特征提取和预测头的视觉眼动模式预测模块，并将交叉熵和线性相关系数之和作为该模块的损失函数； 构建包含磁地方时-地磁纬度分块、特征嵌入、特征编码和亚暴识别头的视觉模式嵌入的亚暴序列识别模块，使用交叉熵函数作为该模块的损失函数； 用初始训练集训练眼动模式预测模块直至损失函数收敛，并将初始测试集输入到训练好的眼动模式预测模块得到其对应的眼动注视模式预测图，进而将初始测试集中的极光图像和其对应的眼动注视模式预测图分为最终训练集和最终测试集； 用最终训练集训练视觉模式嵌入的亚暴序列识别模块直至损失函数收敛，并将最终测试集输入训练好的视觉模式嵌入的亚暴序列识别模块，得到序列识别结果； 所述视觉模式嵌入的亚暴序列识别模块，包括：磁地方时-地磁纬度分块子模块、特征嵌入子模块、特征编码子模块和亚暴识别头子模块： 该磁地方时-地磁纬度分块子模块，由磁地方时MLT分块和地磁纬度MLAT分块并联组成，其中，磁地方时分块用于将图像按照磁地方时分为四个区域，分别代表正午、早晨、黄昏和夜晚，得到磁地方时块；地磁纬度分块用于以同心圆对图像进行分块，从50度到90度每10度取一块，得到不同的地磁纬度块,,,； 该特征嵌入子模块，由一个展平层、一个拼接层、2个归一化层、一个全连接层、位置编码串联后再并联一个位置编码组成；串联的部分用于将地磁纬度块的维度变为与磁地方时块一样的大小并进行特征嵌入；并联的部分用于对磁地方时块进行特征嵌入；分别得到磁地方时特征与地磁纬度特征； 该特征编码子模块，其由两组Token分配、Transformer编码器、特征拼接层、最大池化层以及Transformer编码器并联后再串联一个特征拼接层组成，用于将极光亚暴序列的嵌入特征和注视模式预测图序列的嵌入特征进行编码，得到融合特征； 该亚暴识别头子模块，其由一个平均池化层、Transformer编码器及一个多层感知机串联组成，用于将融合特征进行编码和分类，得到序列的识别结果。

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安电子科技大学;中国科学院国家空间科学中心，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。