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！

龙图腾网获悉武汉大学申请的专利一种基于批风格混合的遥感影像建筑物提取模型泛化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：CN115311555B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202210835178.2，技术领域涉及：G06V20/10；该发明授权一种基于批风格混合的遥感影像建筑物提取模型泛化方法是由季顺平;罗牧莹设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本一种基于批风格混合的遥感影像建筑物提取模型泛化方法在说明书摘要公布了：本发明涉及一种基于批风格混合的遥感影像建筑物提取模型泛化方法。本发明方法充分利用已有标签大数据集信息，结合一个多输出的带有位置注意力和通道注意力模块的编码‑解码结构的卷积神经网络建筑物提取模型，通过附加在建筑物模型前端的即插即用的批风格混合模块种的多策略图像扩充技术，包括几何增强、色彩增强以及基于深度学习的风格混合，以增强语义分割模型的泛化能力，有效提高了在任意无标签影像上的建筑物提取性能。本发明有如下优点：鲁棒性强，只需要在大数据集上的一次训练，建筑物模型即可在任意高分辨率影像上进行建筑物提取任务，提高了建筑物提取的智能化、自动化程度，大大减少了人工标记的人力物力，在城市规划、数字化城市建设等方面具有较高的应用价值。

本发明授权一种基于批风格混合的遥感影像建筑物提取模型泛化方法在权利要求书中公布了：1.一种基于批风格混合的遥感影像建筑物提取模型泛化方法，其特征在于，包括如下步骤： 步骤1，根据已有影像及其对应的建筑物标注文件构建大规模训练集，无标签待提取建筑物影像构建测试集； 步骤2，构建一个带有位置注意力和通道注意力模块的编码-解码结构的卷积神经网络建筑物提取模型； 步骤3，使用训练集影像进行建筑物提取模型的训练，训练过程中，对从训练集中随机抽取的小批次上的图像，首先将其输入批风格混合模块，在一定的概率下执行几何增强、色彩增强和基于深度学习的风格混合，渐进地为建筑提取模型学习数据不变性特征提供一个广阔的数据分布；其次，将处理得到的图像小批次送入建筑物提取模型，计算损失函数并通过反向传播实现模型在GPU上的训练，通过更广阔的数据训练，实现建筑物提取模型的泛化能力增强； 其中批风格混合模块中基于深度学习的风格混合的具体方式如下： 记经过几何增强、色彩增强输出的小批次称为内容小批次，小批次内的图像按顺序编号；首先打乱内容小批次图像的顺序，形成另一个小批次，称为风格小批次，风格小批次与内容小批次编号相同的图像为待风格混合的图像；将内容小批次和风格小批次输入风格迁移模型的VGG-19结构编码器，得到对应深层特征fc和fs；其次，对fc进行重标准化操作，使其通道维度的均值和方差和fs一致，得到特征fcs，此时fcs携带的风格信息与fs相同或相似，但内容信息保持不变；对fcs和fc进行一定比例的线性插值，以混合两个特征携带的风格信息，得到特征fccs；将fccs经过风格迁移网络的VGG-19镜像结构的解码器，输出风格混合小批次；得到的混合风格小批次上，第i张图像的内容与内容小批次上第i张图像相同，风格则为内容小批次和风格小批次上第i张图像风格的混合； 步骤4，利用训练好的建筑物提取模型，对测试集影像进行预测，得到像素级的建筑物提取结果，拼接该结果并矢量化，输出最终的建筑物多边形矢量文件。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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。