Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 重庆师范大学朱德利获国家专利权

重庆师范大学朱德利获国家专利权

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!

龙图腾网获悉重庆师范大学申请的专利基于深度学习的森林过火区域识别方法、电子设备及可读存储介质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:CN119380024B

龙图腾网通过国家知识产权局官网在2025-10-03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:202411501352.5,技术领域涉及:G06V10/26;该发明授权基于深度学习的森林过火区域识别方法、电子设备及可读存储介质是由朱德利;杨沛极设计研发完成,并于2024-10-25向国家知识产权局提交的专利申请。

基于深度学习的森林过火区域识别方法、电子设备及可读存储介质在说明书摘要公布了:本发明提出的一种基于深度学习的森林过火区域识别方法,包括以下步骤:S1.获取森林的卫星遥感图像数据集,对所述卫星遥感图像数据集进行预处理,得到样本数据集;S2.构建改进的Mask2former模型;S3.将样本数据集输入至改进的Mask2former模型中进行训练;S4.判断改进的Mask2former模型是否训练完成,如是,则进入步骤S5;如否,则调整模型参数,返回步骤S3中;S5.将待识别图像输入至训练完成的改进的Mask2former模型中,得到分割结果;通过上述方法,能够降低计算复杂程度,提高森林过火区域和非过火区域识别的准确性。

本发明授权基于深度学习的森林过火区域识别方法、电子设备及可读存储介质在权利要求书中公布了:1.一种基于深度学习的森林过火区域识别方法,其特征在于:包括以下步骤: S1.获取森林的卫星遥感图像数据集,对所述卫星遥感图像数据集进行预处理,得到样本数据集; S2.构建改进的Mask2former模型; 所述改进的Mask2former模型包括EASwin‑Transformer网络、像素解码器和Transformer解码器,其中,图像分别输入至EASwin‑Transformer网络和Transformer解码器中,EASwin‑Transformer网络的输出端连接于所述像素解码器的输入端,所述像素解码器的输出端连接于所述Transformer解码器的输入端; 所述EASwin‑Transformer网络包括Swin‑Transformer网络和Efficiently Adaptive模块;所述Swin‑Transformer网络的输出端连接于所述Efficiently Adaptive模块的输入端; 所述Efficiently Adaptive模块包括一个特征分组模块、四个平均池化模块、三个1×1卷积模块、一个3×3卷积模块、两个拼接模块、三个激活函数层、一个组归一化模块和两个Sigmoid函数层; 其中,特征分组模块的输出端连接于第一个平均池化模块、第二个平均池化模块和3×3卷积模块的输入端;第一个平均池化模块和第二个平均池化模块的输出端均连接于第一个拼接模块的输入端,第一个拼接模块的输出端连接于第一个Sigmoid函数层的输入端,第一个Sigmoid函数层的输出端连接于组归一化模块的输入端,组归一化模块的输出端连接于第三个平均池化模块的输入端,第三个平均池化模块的输出端连接于第一个激活函数层的输入端;第一个3×3卷积模块的输出特征与第一个激活函数层的输出特征逐元素相乘,并将逐元素相乘后的特征输入至第二个Sigmoid函数层;第一个3×3卷积模块的输出端还连接于第四个平均池化模块的输入端,第四个平均池化模块的输出端连接于第二个激活函数层的输入端,第二个激活函数层的输出特征与组归一化模块的输出特征逐元素相乘,并将逐元素相乘得到的特征输入至第二个Sigmoid函数层中,第二个Sigmoid函数层的输出端分别连接于第二个1×1卷积模块、第三个1×1卷积模块和第二个拼接模块的输入端,第二个1×1卷积模块的输出端连接于第二个拼接模块的输入端,第二个拼接模块的输出端连接于第三个激活函数层,第三个激活函数层的输出特征与第三个1×1卷积模块的输出特征逐元素相乘,并将逐元素相乘后的特征与第二个1×1卷积模块输出的特征融合,得到Efficiently Adaptive模块的输出特征; S3.将样本数据集输入至改进的Mask2former模型中进行训练; S4.判断改进的Mask2former模型是否训练完成,如是,则进入步骤S5;如否,则调整模型参数,返回步骤S3中; S5.将待识别图像输入至训练完成的改进的Mask2former模型中,得到分割结果。

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重庆师范大学,其通讯地址为:401331 重庆市沙坪坝区大学城中路37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。

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。