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！

龙图腾网获悉浙江工业大学申请的专利基于低混淆及空间光谱自平衡的多光谱多标签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：CN121033559B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511563581.4，技术领域涉及：G06V10/764；该发明授权基于低混淆及空间光谱自平衡的多光谱多标签分类方法是由王琼;胡至盈;赵董孝元;陈胜勇;白琮设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本基于低混淆及空间光谱自平衡的多光谱多标签分类方法在说明书摘要公布了：本发明公开了一种基于低混淆及空间光谱自平衡的多光谱多标签分类方法，属于气象遥感图像分类技术领域，光谱卷积网络用于高效地提取光谱特征，另外通过提出的查询生成模块有效改进标签查询的表达能力，利用多层感知器映射标签嵌入为查询向量，并采用交叉相关约束减少标签查询之间的相似性；为充分挖掘空间和光谱特征，设计了一种三分支网络，包括空间分支、光谱分支和综合分支；各分支独立进行特征学习，并通过分支平衡投票机制融合各分支的预测结果，通过分支间的交互增强弱分支的训练效果，最终得到更精确的分类结果。本发明在气象多光谱图像分类任务中，尤其是复杂气象系统类别的识别上，能够准确进行天气系、地表覆盖物以及云的分类。

本发明授权基于低混淆及空间光谱自平衡的多光谱多标签分类方法在权利要求书中公布了：1.一种基于低混淆及空间光谱自平衡的多光谱多标签分类方法，其特征在于，所述方法包括以下步骤： 步骤一、搭建气象多光谱多标签分类网络框架； 步骤二、数据集预处理：将多光谱数据进行切片、归一化；按设定比例划分训练、验证、测试集；对标签进行标注； 步骤三、网络训练，过程如下：用随机权值初始化模型参数，当验证集的评价指标mAP不再上升，则学习率就会缩小为原来的设定倍数；设置Adam优化器的初始学习率和训练中批次大小，总共进行设定数量轮的完整训练，并设置交叉关联限制的损失权重，训练网络模型至收敛，保存训练过程中的最优模型作为训练的输出； 步骤四、精度测试，将预处理好的测试集输入训练得到的最优模型，将数据集真值与预测得到的结果进行比较，计算各项评价指标； 所述步骤一中，首先搭建空间特征提取网络和光谱特征提取网络；再搭建查询生成模块和三分支结构，所述三分支结构包含空间分支、光谱分支以及综合分支，各个分支中经自注意力层得到的标记化的特征与查询生成模块得到的标签查询向量拼接在一起，后经过归一化层和另一个自注意力层得到每个分支的输出向量；最后建立分支平衡投票机制，接受空间分支、光谱分支以及综合分支的输出向量作为输入，然后以一组用于投票的可学习参数作为权重的参考来对各个分支间的预测做加权平均，以得到最终预测结果； 所述步骤一包括以下子步骤： 步骤1.1、搭建空间特征提取网络：将气象多光谱图像输入VGG网络，初步提取空间特征； 步骤1.2、搭建光谱特征提取网络：所述光谱特征提取网络包括至少四个光谱卷积块，每个光谱卷积块中包含两条数据流，特性特征流和全局特征流，特性特征流负责提取各个通道内部特殊的特征，全局特征流负责在各个阶段收集特性特征而与全局特征进行融合； 步骤1.3、搭建查询生成模块：在查询生成模块中，首先通过标签嵌入层获得一组标签嵌入，然后再将这组标签嵌入送入一个多层感知机进行进一步处理获得标签嵌入表示，接着再通过一个归一化层对映射后的标签嵌入表示进行标准化获得标签查询向量； 步骤1.4、搭建三分支结构，包含空间分支、光谱分支以及综合分支，空间分支与光谱分支用于接受步骤1.1和步骤1.2中获得的空间特征或光谱表示作为输入，而综合分支的输入则是由经过一个线性层的空间特征和经过一个线性层的光谱表示两者拼接后组成，每一个分支内部首先经过归一化层，接着将特征输入一个Transformer自注意力层进行自注意力计算，并将标记化后的特征和注意力权重返回，同时标记化后的特征还与步骤1.3获得的标签查询向量拼接在一起，后经过一个归一化层和另一个Transformer自注意力层，最后得到每个分支的输出向量。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。