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！

龙图腾网恭喜河海大学申请的专利基于自适应多尺度特征金字塔网络的遥感图像语义分割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：CN114758134B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210477728.8，技术领域涉及：G06V10/26；该发明授权基于自适应多尺度特征金字塔网络的遥感图像语义分割方法是由王鑫;段林;石爱业;李黎;吕国芳;尹宇通设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本基于自适应多尺度特征金字塔网络的遥感图像语义分割方法在说明书摘要公布了：本发明公开了一种基于自适应多尺度特征金字塔网络的遥感图像语义分割方法。首先，以ResNet50网络模型为基础，设计了一个新型的用于语义分割的深度卷积神经网络；其次，将高分遥感图像输入网络中进行训练，将ResNet50与金字塔网络组建成为编码器；然后，由编码器部分的金字塔网络中的四组输出特征作为解码器的四组输入，并送入解码器部分；接着，在解码器部分增加了可切换型空洞卷积和空洞空间卷积池化金字塔；最后，对特征进行逐层的2倍上采样与特征融合操作得到分割后的结果图。

本发明授权基于自适应多尺度特征金字塔网络的遥感图像语义分割方法在权利要求书中公布了：1.基于自适应多尺度特征金字塔网络的遥感图像语义分割方法，其特征在于，所述方法包括如下步骤：1构建多分类遥感图像数据集，并制作相应的样本标注，将每类遥感图像按比例划分为训练集Train和测试集Test；2构建自适应多尺度特征金字塔网络，使用遥感图像数据训练集对基于自适应多尺度特征金字塔网络进行训练；3设定训练参数，构建损失函数，使用训练集对所构建的基于自适应多尺度特征金字塔网络进行训练，更新网络参数，直到参数取值收敛；收敛条件为损失函数值不再减小；4将测试集输入到训练好的网络中得到测试集的语义分割结果图；步骤2中的，构建自适应多尺度特征金字塔网络的方法如下：2.1首先搭建基于ResNet50的卷积神经网络，并去掉其中的全连接层；将ResNet50中除第一阶段外各阶段末的卷积层输出作为金字塔网络的输入特征，共四组分别设为C2、C3、C4、C5；2.2将步骤2.1得到的四组特征C2、C3、C4、C5送入金字塔网络；经过金字塔网络的特征融合，分别得到不同尺寸大小的特征图，记为P2、P3、P4、P5；所述步骤2.2经过金字塔网络的特征融合，分别得到不同尺寸大小的特征图，记为P2、P3、P4、P5，具体如下：2.2.1将特征C5经过1×1卷积进行通道降维，得到特征P5，具体为：P5＝δG1×1convC5其中δ·代表线性整流函数，G1×1conv·代表1×1大小的卷积操作；2.2.2将特征P5进行2倍上采样，并与经过1×1卷积降维后的特征C4进行融合，得到特征P4，具体为： 其中代表逐元素相加，Up2×·代表2倍上采样；2.2.3将特征P4进行2倍上采样，并与经过1×1卷积降维后的特征C3进行融合，得到特征P3，具体为： 2.2.4将特征P3进行2倍上采样，并与经过1×1卷积降维后的特征C2进行融合，得到特征P2，具体为： 2.3将步骤2.2得到的四组特征P2、P3、P4、P5作为编码器的输出，传入解码器；2.4将特征P5送入解码器中的空洞空间卷积池化金字塔部分以构建多尺度特征，得到特征U5，具体为： 其中代表特征在通道维度上进行堆叠，代表空洞率为1的3×3卷积操作，代表空洞率为3的3×3卷积操作，代表空洞率为5的3×3卷积操作，G2×2pool·代表2×2大小的平均池化操作；2.5将特征P2、P3、P4分别传入可切换型空洞卷积进行处理；进一步地讲，所述步骤2.5将特征P2、P3、P4分别传入可切换型空洞卷积进行处理，得到四组处理后的特征图，分别记为P2″、P3″、P4″，具体如下：2.5.1将特征P2进行全局平均池化，再通过1×1卷积，接着与原特征进行融合，得到特征P2′；具体为： 其中GGAP·代表全局平均池化；然后该特征进行可切换型空洞卷积进行处理，得到输出特征P2″；具体为：αP2′＝δG1×1convGGAPP2′ 2.5.2将特征P3进行全局平均池化，再通过1×1卷积，接着与原特征进行融合，得到特征P3′；具体为： 然后该特征进行可切换型空洞卷积进行处理，得到输出特征P3″；具体为：αP3′＝δG1×1convGGAPP3′ 2.5.3将特征P4进行全局平均池化，再通过1×1卷积，接着与原特征进行融合，得到特征P4′；具体为： 然后该特征进行可切换型空洞卷积进行处理，得到输出特征P4″；具体为：αP4′＝δG1×1convGGAPP4′ 2.6将特征U5进行2倍上采样并与经过可切换型空洞卷积处理后的特征P4″进行融合，再经过3×3卷积得到特征U4，具体为： 其中，G3×3conv·代表3×3卷积操作，Up2×·代表2倍上采样操作；2.7将特征U4进行2倍上采样并与经过可切换型空洞卷积处理后的特征P3进行融合，再经过3×3卷积得到特征U3，具体为： 2.8将特征U3进行2倍上采样并与经过可切换型空洞卷积处理后的特征P2进行融合，再经过3×3卷积得到特征U2，具体为： 2.9将特征U2进一步进行4倍上采样，然后进行1×1卷积，得到输出的分割结果图O，具体为：O＝SoftmaxG1×1convUp4×U2其中，Up4×·代表4倍上采样过程，Softmax·代表softmax激活函数。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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”。