Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 昆明理工大学梁波获国家专利权

昆明理工大学梁波获国家专利权

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!

龙图腾网获悉昆明理工大学申请的专利运用Swin Transformer嵌入U2-Net分割射频干扰的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:CN120354892B

龙图腾网通过国家知识产权局官网在2025-09-09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:202510847387.2,技术领域涉及:G06N3/0455;该发明授权运用Swin Transformer嵌入U2-Net分割射频干扰的方法是由梁波;陈胜迪;卫守林;戴伟设计研发完成,并于2025-06-24向国家知识产权局提交的专利申请。

运用Swin Transformer嵌入U2-Net分割射频干扰的方法在说明书摘要公布了:本发明公开了一种运用SwinTransformer嵌入U2‑Net分割射频干扰的方法,属于基于深度学习的射电天文图像分割技术领域。本发明包括:将射电观测数据的时频图像同时输入训练好的ST‑U2Net模型中的主编码器与辅助编码器,分别提取局部细节特征与全局上下文信息;将辅助编码器中各阶段输出的辅助编码器中间特征图与主编码器中各阶段输出的主编码器中间特征图通过主编码器中关系聚合模块融合后输入解码器,通过解码器以输出包含射频干扰区域和非干扰区域的预测分割掩码图像。相比于现有深度学习射频干扰分割方法,本发明在分割窄带型RFI和整体分割精度等方面均具备明显优势。

本发明授权运用Swin Transformer嵌入U2-Net分割射频干扰的方法在权利要求书中公布了:1.一种运用SwinTransformer嵌入U2-Net分割射频干扰的方法,其特征在于,包括: 获取训练好的ST-U2Net模型;所述ST-U2Net模型包括基于SwinTransformer的辅助编码器及基于U2-Net的主编码器、解码器; 获取待预测射电观测数据;将射电观测数据的时频图像同时输入训练好的ST-U2Net模型中的主编码器与辅助编码器,分别提取局部细节特征与全局上下文信息;将辅助编码器中各阶段输出的辅助编码器中间特征图与主编码器中各阶段输出的主编码器中间特征图通过主编码器中各阶段关系聚合模块融合后输入解码器;解码器通过多层次上采样与特征融合操作,逐步还原至原始分辨率特征图,最终通过卷积操作及Sigmoid激活函数输出包含射频干扰区域和非干扰区域的预测分割掩码图像; 在辅助编码器中,射电观测数据的时频图像首先通过图像划分模块划分为重叠的块;随后,这些重叠的块经通过线性嵌入层来展平并投影到嵌入维度;接着,线性嵌入层的输出通过四个连续的第一下采样阶段、特征压缩模块处理获得各下采样阶段的输出,即各阶段的辅助编码器中间特征图;将四个下采样阶段的输出作为主编码器中四个第二下采样阶段的输入;四个所述第一下采样阶段均包括多个依次连接的变换器,变换器通过将空间交互模块集成到改进SwinTransformer块进行构建,第一下采样阶段的输入作为第一个变换器中空间交互模块、改进SwinTransformer块的输入,第一个变换器中所述空间交互模块、所述改进SwinTransformer块的输出进行相加作为第一个变换器的输出,第一个变换器的输出作为第二个变换器的输入; 在主编码器中,射电观测数据的时频图像首先输入第一预设高度的残差U型结构RSU模块,随后经过高效多尺度注意力机制模块,以生成第一尺度特征图;接着,第一尺度特征图进一步通过四个连续的第二下采样阶段,在第二下采样阶段,经第二下采样阶段中的残差U型结构RSU模块和高效多尺度注意力机制模块处理,以获得各阶段的主编码器中间特征图;将各阶段的主编码器中间特征图与各阶段的辅助编码器中间特征图通过对应第二下采样阶段中关系聚合模块进行融合,以获得第二、三、四、五尺度特征图;将第五尺度特征图作为RSU-4F模块的输入,得到RSU-4F输出特征图;将第一、第二、三、四、五尺度特征图及RSU-4F输出特征图作为解码器的输入。

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昆明理工大学,其通讯地址为:650031 云南省昆明市一二一大街文昌路68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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。