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！

龙图腾网获悉北京理工大学申请的专利基于显式相关层的X射线数字成像深度学习变形监测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：CN119206618B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411315648.8，技术领域涉及：G06V20/52；该发明授权基于显式相关层的X射线数字成像深度学习变形监测方法是由杨恒;高家乐;赵文浩;王潘丁;曲兆亮;方岱宁设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本基于显式相关层的X射线数字成像深度学习变形监测方法在说明书摘要公布了：本发明公开的基于显式相关层的X射线数字成像深度学习变形监测方法，属于图像变形测量领域。本发明实现方法为：基于X射线数字成像、连续性变形理论建立高噪声自然纹理散斑特征图像数据集；在卷积神经网络中引入图像相关性计算的相关层，将高噪声自然纹理散斑特征图像数据集输入到改进神经网络中训练，得到训练好的基于显示相关层的检测模型；将待检测的变形前后高噪声自然纹理散斑特征图像输入训练好的改进神经网络模型得到变形场，实现X射线数字成像变形监测。本发明将显式相关性计算引入到卷积神经网络的架构中，获得基于显示相关层的深度学习网络，显著提高X射线数字成像的高噪声自然纹理散斑特征图像的变形监测精度。

本发明授权基于显式相关层的X射线数字成像深度学习变形监测方法在权利要求书中公布了：1.基于显式相关层的X射线数字成像深度学习变形监测方法，其特征在于：包括以下步骤， 步骤一、基于X射线数字成像、连续性变形理论建立高噪声自然纹理散斑特征图像数据集； 步骤二、将步骤一得到的高噪声自然纹理散斑特征图像数据集输入到改进神经网络中进行训练，得到训练好的基于显示相关层的检测模型； 1、特征提取层从步骤一得到的高噪声自然纹理散斑特征图像数据集中进行图像特征提取，得到图像特征； 2、图像相关性计算层获取1中的图像特征，并进行相关性计算，得到变形前后特征图的相关性系数矩阵； 3将2得到的相关性系数矩阵输入到后续动态网络层，并基于散斑特征进行网络结构改进；采用改进后的神经网络对数据集进行训练，得到训练好的基于显示相关层的检测模型； 步骤三、将待检测的变形前后高噪声自然纹理散斑特征图像输入步骤二训练好的改进神经网络模型得到变形场，即实现X射线数字成像变形监测，显著提高X射线数字成像的高噪声自然纹理散斑特征图像的变形场监测精度。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。