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！

龙图腾网获悉青岛理工大学申请的专利一种基于Transformer的生成对抗网络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：CN116468083B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310469413.3，技术领域涉及：G06N3/0475；该发明授权一种基于Transformer的生成对抗网络方法是由郝思媛;翟世杰;夏裕凤设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本一种基于Transformer的生成对抗网络方法在说明书摘要公布了：本发明针对高光谱图像分类HyperspectralImageClassification，HIC领域，公开了一种基于Transformer的生成对抗网络GenerativeAdversarialNetwork，GAN方法。该方法将Transformer引入到GAN中，并提出了用于HIC的基于Transformer的带有残差升级模块的生成对抗网络TransformerwithresidualupscaleGAN，TRUG。TRUG中包含一个生成器G和一个鉴别器D。在G中，我们提出了残差升级模块ResidualUpscale，RU，RU可以提高生成图像的分辨率。在D中，我们采用规模逐步递减的TransformerBlock，并在第一层中使用网格自注意机制，以便于更好地提取图像特征。此外，GAN容易出现训练不稳定的问题，为了解决这个问题，我们改进了归一化算法，增加了相对位置编码。TRUG是第一个应用于HIC的基于Transformer的GAN。

本发明授权一种基于Transformer的生成对抗网络方法在权利要求书中公布了：1.一种基于Transformer的生成对抗网络方法，其特征在于，包括以下步骤： S1：将高光谱图像原始数据通过PCA进行降维得到Xpca，并将Xpca输入到鉴别器D里学习其真实样本的特征； S2：在鉴别器D中将Xpca分为几个Patch，并对其进行embedding； S3：将embedding之后的数据输入到Transformer的Block中，学习其特征，并随后对得到的特征进行降采样使其尺寸减小，重复该步骤S3三次，得到最后的辨别特征； S4：向生成器G中输入一维随机噪声Z∈RB*L和类标签C，通过多层感知器将噪声Z重构为分辨率为H×W的特征图X∈RB*H*W*C,并且将得到的特征图X输入到TransformerBlock进一步提取特征； S5：将S4得到的特征通过残差升级模块来提高特征图的分辨率，残差升级模块的具体步骤为：在模块前的特征图X和模块后的特征图Xnew之间做一个Kronecker积，生成高分辨率的Xup； S6：将S5得到的特征图Xup输入到SwinTransformer中进一步提取其不同窗口之间的特征Xst，并将得到的特征图Xst通过RU模块进一步提高其分辨率得到特征Xstnew； S7：将Xstnew的通道维度压缩到与Xpca的通道维度一致得到假样本Fakedata∈RB*M*N*C； S8：将生成的假样本Fakedata与真实样本Xpca共同输入到鉴别器D中，将S3得到的辨别特征输入到softmax中进行分类以及辨别真假，得到最后的分类结果，同时将辨别真假以及分类结果的Loss回传给生成器使其不断学习生成更高质量的样本。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江东路777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。