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！

龙图腾网恭喜江西啄木蜂科技有限公司申请的专利一种基于潜空间优化的林业遥感数据轻量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：CN119418081B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202510018709.2，技术领域涉及：G06V10/762；该发明授权一种基于潜空间优化的林业遥感数据轻量化方法是由周卫;李翔;王耿;欧立业;王琛;叶绍泽;李沅明;陈文;殷沙设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本一种基于潜空间优化的林业遥感数据轻量化方法在说明书摘要公布了：本发明公开了一种基于潜空间优化的林业遥感数据轻量化方法,属于图像处理技术领域，包括获取待压缩的林业遥感图像数据集D1；构造数据轻量化网络，包括变分自编码器、聚类单元、图像分类网络、多层特征提取网络和判别器；用D1训练变分自编码器和图像分类网络；基于编码器和聚类单元生成聚类数据集D2；训练数据轻量化网络更新D2中的潜空间变量，再用解码器重构数据。本发明通过基于变分自编码器与元梯度优化的数据集蒸馏改进，生成具有高精度和代表性的压缩数据集，有效地解决了林业遥感数据集存储和处理的瓶颈问题，能在保持模型训练精度的同时降低数据存储量。适用于林业资源监测、森林健康评估、灾害应对等多种实际应用场景。

本发明授权一种基于潜空间优化的林业遥感数据轻量化方法在权利要求书中公布了：1.一种基于潜空间优化的林业遥感数据轻量化方法，其特征在于：包括以下步骤；S1，获取待压缩的林业遥感图像数据集D1，共包括K个类别的原始样本共N张，其中第j个原始样本xj的类别标签为yj，1≤j≤N；S2，构造一数据轻量化网络，包括变分自编码器、聚类单元、图像分类网络、多层特征提取网络和判别器，所述变分自编码器包括编码器和解码器，所述多层特征提取网络和判别器经过预训练；S3，用D1训练变分自编码器，得到训练好的变分自编码器，其中编码器用于将原始样本从图像空间映射到潜空间，得到对应的潜在变量，解码器用于将潜在变量映射回图像空间，得到重构样本；S4，用D1训练图像分类网络，得到图像分类模型，用于输入，输出其预测类别标签；S5，生成聚类数据集D2；将D1输入，经编码器生成N个潜在变量，并经聚类单元为4K个簇，第i簇的聚类中心为、类别标签为，所述为该簇中样本数量最多的类别标签，构成聚类数据集D2，；S6，预设迭代轮次T，基于D1、D2训练数据轻量化网络，每一轮次中交替更新潜空间变量和判别器参数，直至达到迭代次数，其中第t轮迭代包括步骤S61~S63，1≤t≤T；S61，将D2输入解码器，第t-1轮第i簇的潜空间变量经解码器得到重构样本，生成合成数据集，将D1中与类别标签相同的原始样本构成子数据集；S62，冻结、多层特征提取网络和判别器的网络参数，计算本轮训练总损失，通过元梯度方法更新，得到第t轮第i簇的潜空间变量，当t=1时，；S63，冻结、多层特征提取网络，用替换，再次计算，并通过梯度下降算法更新判别器的网络参数；S7，迭代结束，将第T轮的合成数据集作为压缩数据集；S62中，根据下式得到； ， ， ， ， ，式中，、、、分别是基于得到的验证损失、正则化项、解码器对抗损失、总损失，λreg、λadv、λS分别为、、的权重超参数，为的分类损失，为对的预测类别标签，为向量模长，为判别器对判定为真的概率，为子数据集中的原始样本，为多层特征提取网络的感知损失，λpercep为的权重超参数。

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江西啄木蜂科技有限公司，其通讯地址为：330096 江西省南昌市南昌高新技术产业开发区昌东大道含弘广场现代服务产业园13楼整层；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”。