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！

龙图腾网获悉北京邮电大学申请的专利基于协作编码器和不确定性聚合解码器的建筑物提取方法及系统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：CN119832422B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411894317.4，技术领域涉及：G06V20/10；该发明授权基于协作编码器和不确定性聚合解码器的建筑物提取方法及系统是由尧思远;刘东岫;邢珏蕙设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于协作编码器和不确定性聚合解码器的建筑物提取方法及系统在说明书摘要公布了：本发明提供一种基于协作编码器和不确定性聚合解码器的建筑物提取方法及系统，包括：将预处理后的遥感图像输入建筑物提取模型，先由协作编码器在多个阶段捕捉遥感图像的局部、全局特征，得到多尺度特征，再输入全局‑局部融合模块，按阶段进行特征融合，得到局部聚合特征和全局聚合特征；再由不确定性聚合解码器分别得到局部聚合特征的局部不确定性和全局聚合特征的全局不确定性；将局部不确定性和全局不确定性作为权重，将局部聚合特征和全局聚合特征整合得到最终特征图，以提取遥感图像中的建筑物。本发明提供的提取方法能够构建高质量的全局‑局部表征，缩小多层次特征之间的差距，充分利用互补的全局‑局部表征进行特征整合，提取精度高。

本发明授权基于协作编码器和不确定性聚合解码器的建筑物提取方法及系统在权利要求书中公布了：1.一种基于协作编码器和不确定性聚合解码器的建筑物提取方法，其特征在于，该方法包括以下步骤： 获取遥感图像，所述遥感图像包含待提取的建筑物； 将所述遥感图像输入预训练得到的建筑物提取模型，从所述遥感图像中提取建筑物； 其中，所述建筑物提取模型包括依次连接的协作编码器、全局-局部融合模块和不确定性聚合解码器；将所述遥感图像输入所述协作编码器，所述协作编码器包含四个阶段，其中第一阶段和第二阶段为早期阶段，第三阶段为中间阶段，第四阶段为终结阶段；在所述早期阶段，采用多核卷积调制块来构建局部特征；在所述中间阶段采用中间合作交互块执行全局与局部特征交互；在所述终结阶段采用多头自注意力块增强全局特征；将所述协作编码器提取得到的多尺度特征分别输入所述全局-局部融合模块，将所述早期阶段和所述中间阶段的输出特征融合，得到局部聚合特征；将所述中间阶段和所述终结阶段的输出特征融合，得到全局聚合特征；将所述局部聚合特征和所述全局聚合特征分别输入所述不确定性聚合解码器，得到所述局部聚合特征的局部不确定性和所述全局聚合特征的全局不确定性，将所述局部不确定性和所述全局不确定性映射为衰减权重，基于所述衰减权重，将所述局部聚合特征和所述全局聚合特征整合得到最终特征图，以提取所述建筑物； 将所述遥感图像扁平化并线性投影为一维向量，重塑得到嵌入特征图；在信道维度分割所述嵌入特征图，得到多组特征组； 在所述早期阶段，对于每个特征组，采用不同核大小的深度可分离卷积来捕捉局部信息，并执行点卷积来组合，得到组合特征，计算式为： Z′＝CatDW3×3Z1,…,DWk×kZn； M＝Wp*Z′； 其中，Z′表示所述局部信息；DWk×k表示核大小为k×k的深度可分离卷积；Zn表示第n组特征组；M表示所述组合特征；Wp表示所述点卷积； 采用所述多核卷积调制块对所述组合特征进行增强，计算式为： 其中，MKFAM·表示多核卷积操作；Fi表示第i个阶段的输出特征； 在所述中间阶段，对所述中间合作交互块的输入特征进行归一化处理后，输入带有残差连接的多核卷积调制块，计算式为： 在所述终结阶段中，将所述中间阶段得到的特征输入所述多头自注意力块，模拟全局依赖关系，计算式为： 其中，Xl表示第l个中间合作交互块的输入特征；FFN·表示多层感知机的操作；MHSA·多头自注意力块的操作。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。