買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉寧波大學(xué)申請(qǐng)的專(zhuān)利一種基于雙分支殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢索方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115905606B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-19發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202211400418.2，技術(shù)領(lǐng)域涉及：G06F16/583；該發(fā)明授權(quán)一種基于雙分支殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢索方法是由胡天嬌;金柱璋;姚婉欣;呂介之;金煒設(shè)計(jì)研發(fā)完成，并于2022-11-09向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于雙分支殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢索方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提供了一種基于雙分支殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢索方法，涉及氣象衛(wèi)星遙感云圖檢索技術(shù)領(lǐng)域，本方法包括步驟S1：收集Himawari?8衛(wèi)星云圖并構(gòu)建歷史云圖庫(kù)，從歷史云圖庫(kù)中任選取一張?jiān)茍D作為錨樣本，將與其同類(lèi)云圖以及非同類(lèi)云圖分別組成正樣本集和負(fù)樣本集；S2：利用錨樣本與正樣本集和負(fù)樣本集中各樣本組建三元組開(kāi)展度量學(xué)習(xí)，訓(xùn)練雙分支殘差神經(jīng)網(wǎng)絡(luò)，并將訓(xùn)練后的雙分支殘差神經(jīng)網(wǎng)絡(luò)用于云圖的特征提取，作為歷史云圖庫(kù)中云圖的特征。本方法能夠克服傳統(tǒng)深度特征難于刻畫(huà)不同類(lèi)別衛(wèi)星云圖的類(lèi)內(nèi)差異性和類(lèi)間相似性問(wèn)題，提高網(wǎng)絡(luò)對(duì)云圖的分辨能力。

本發(fā)明授權(quán)一種基于雙分支殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢索方法在權(quán)利要求書(shū)中公布了：1.一種基于雙分支殘差神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢索方法，其特征在于，包括步驟： S1：收集Himawari-8衛(wèi)星云圖并構(gòu)建歷史云圖庫(kù)，從歷史云圖庫(kù)中任選取一張?jiān)茍D作為錨樣本，將與其同類(lèi)云圖以及非同類(lèi)云圖分別組成正樣本集和負(fù)樣本集； S2：利用錨樣本與正樣本集和負(fù)樣本集中各樣本組建三元組開(kāi)展度量學(xué)習(xí)，訓(xùn)練雙分支殘差神經(jīng)網(wǎng)絡(luò)，并將訓(xùn)練后的雙分支殘差神經(jīng)網(wǎng)絡(luò)用于云圖的特征提取，作為歷史云圖庫(kù)中云圖的特征； S3：在云圖檢索時(shí)，通過(guò)雙分支殘差神經(jīng)網(wǎng)絡(luò)提取待識(shí)別云圖的特征，基于特征間的相似度，從歷史云圖庫(kù)中檢索并返回相似云圖； 所述雙分支殘差神經(jīng)網(wǎng)絡(luò)包括全局分支和局部分支，其中全局分支提取云圖的全局特征，局部分支通過(guò)激活掩膜的作用提取云圖中主要語(yǔ)義對(duì)象的局部特征； 所述步驟S2包括： S21：通過(guò)引入局部分支，利用激活掩膜來(lái)強(qiáng)化云圖中的主要語(yǔ)義區(qū)域，對(duì)云圖全局特征和局部特征進(jìn)行綜合提取； S22：在雙分支殘差神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，通過(guò)多重相似度損失，運(yùn)用度量學(xué)習(xí)將云圖特征映射到語(yǔ)義空間，將云圖嵌入到度量空間中，增加非同類(lèi)云圖間的距離，減小同類(lèi)云圖間的距離，進(jìn)而調(diào)整度量空間中云圖特征的分布； 依據(jù)所提取的全局分支和局部分支特征間的余弦相似度，得到多重相似度損失的損失函數(shù)為： ， 其中，表示為訓(xùn)練的樣本個(gè)數(shù)；和分別表示為錨樣本云圖與匹配樣本經(jīng)過(guò)全局分支和局部分支后所提取的特征間的余弦相似度；和分別表示為對(duì)應(yīng)于錨樣本云圖的正樣本集和負(fù)樣本集；分別表示為超參數(shù)；表示相似度的邊緣。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人寧波大學(xué)，其通訊地址為：315201 浙江省寧波市江北區(qū)風(fēng)華路818號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。