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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利地物要素分割模型训练方法、地物要素分割方法及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：CN116977633B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310842758.9，技术领域涉及：G06V10/26；该发明授权地物要素分割模型训练方法、地物要素分割方法及装置是由樊子德;辛艺;朱可卿;孙熠;邓雅文;葛蕴萍;张伊丹;李肖赫;耿莹设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本地物要素分割模型训练方法、地物要素分割方法及装置在说明书摘要公布了：本发明提供一种地物要素分割模型训练方法、地物要素分割方法及装置，属于计算机技术领域，所述模型训练方法包括：获取有标注遥感图像样本、有标注遥感图像样本的地物要素分类标注和无标注遥感图像样本；基于有标注遥感图像样本、地物要素分类标注和无标注遥感图像样本，对学生网络模型进行半监督训练，直至综合损失值小于损失阈值或达到预设训练轮数，学生网络模型用于对地物要素进行分割；确定已训练的学生网络模型作为目标地物要素分割模型。通过结合有监督的第一损失值、一致性正则化方式计算损失所获取的第二损失值和对比学习方式计算损失所获取的第三损失值，计算综合损失值，进而更新模型参数，能够减少数据标注数据量，提高分割精度。

本发明授权地物要素分割模型训练方法、地物要素分割方法及装置在权利要求书中公布了：1.一种地物要素分割模型训练方法，其特征在于，包括： 获取有标注遥感图像样本、所述有标注遥感图像样本的地物要素分类标注和无标注遥感图像样本； 基于所述有标注遥感图像样本、所述地物要素分类标注和所述无标注遥感图像样本，对学生网络模型进行半监督训练，直至综合损失值小于损失阈值或达到预设训练轮数，所述学生网络模型用于对地物要素进行分割； 确定已训练的所述学生网络模型作为目标地物要素分割模型； 所述对学生网络模型进行半监督训练，包括： 输入所述有标注遥感图像样本至所述学生网络模型，以及基于所述地物要素分类标注和所述学生网络模型输出的第一分类概率预测图，计算多分类交叉熵损失，获取第一损失值，分类概率预测图用于表示遥感图像中各个像素点的预测分类概率； 输入经过两种强数据增强方式处理的无标注遥感图像样本至两个教师网络模型，以及对各个教师网络模型输出的分类概率预测图取平均，获取第二分类概率预测图，所述教师网络模型的结构与所述学生网络模型的结构相同； 输入经过弱数据增强方式处理的无标注遥感图像样本至所述学生网络模型，获取所述学生网络模型输出的第三分类概率预测图； 基于所述第二分类概率预测图中的各个第一像素点和所述第三分类概率预测图，通过一致性正则化方式计算损失，获取第二损失值，所述第一像素点的熵值小于熵阈值； 基于所述第二分类概率预测图中的各个第二像素点和所述第三分类概率预测图，通过对比学习方式计算损失，获取第三损失值，所述第二像素点的熵值大于或等于熵阈值； 基于所述第一损失值、所述第二损失值和所述第三损失值，确定所述综合损失值； 通过最小化所述综合损失值来更新所述学生网络模型的参数； 基于所述学生网络模型的参数，通过滑动平均方式更新各个教师网络模型的参数； 所述基于所述第二分类概率预测图中的各个第二像素点和所述第三分类概率预测图，通过对比学习方式计算损失，获取第三损失值，包括： 基于分类概率阈值，对所述第二分类概率预测图中的各个第二像素点和所述第三分类概率预测图中的各个第三像素点进行筛选，确定多个第四像素点和各个分类的查询样本，所述第三像素点的熵值大于或等于所述熵阈值，所述第四像素点的预测分类概率小于分类概率阈值，所述查询样本的预测分类概率大于或等于分类概率阈值； 针对各个分类的查询样本，进行均匀采样，获取各个分类的正样本； 针对多个分类中的每一个目标分类，在多个第四像素点中筛选出多个待排序的像素点，以及基于待排序的像素点与目标分类的正样本之间的相似度，按照相似度从高到低的顺序，对所述多个待排序的像素点进行排序，获取像素点序列，以及基于预设采样配置，对所述像素点序列进行特征采样，获取所述目标分类的负样本，所述待排序的像素点的预测分类不为所述目标分类； 基于各个分类的查询样本、正样本和负样本，进行对比学习，获取所述第三损失值； 所述预设采样配置用于指示像素点序列中靠前的像素点的采样比例高于像素点序列中靠后的像素点的采样比例。

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国科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9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。