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！

龙图腾网获悉中南大学申请的专利一种耦合全局上下文和几何信息的建筑物跨域识别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：CN119723338B 。

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：202411798506.1，技术领域涉及：G06V20/10；该发明授权一种耦合全局上下文和几何信息的建筑物跨域识别方法是由朱晶茹;陈杰;徐刚;郭亚;孙庚设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种耦合全局上下文和几何信息的建筑物跨域识别方法在说明书摘要公布了：本发明提供了一种耦合全局上下文和几何信息的建筑物跨域识别方法，属于建筑物识别技术领域；包括确定源域数据集和目标域数据集；训练顾及全局上下文和几何信息的建筑物跨域提取模型1；对建筑物跨域提取模型1的参数进行更新以得到建筑物跨域提取模型2；将目标域数据集中的遥感影像输入到建筑物跨域提取模型2中进行预测，得到目标域掩码伪标签和目标域AFM伪标签；定义不含双原型对比学习模块的建筑物跨域提取模型2为建筑物提取模型3并对其进进行训练，得到建筑物提取模型4；将目标域数据集中的遥感影像输入到建筑物提取模型4中进行预测，得到建筑物识别结果。

本发明授权一种耦合全局上下文和几何信息的建筑物跨域识别方法在权利要求书中公布了：1.一种耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，包括以下步骤： 步骤一、基于同一地区的市区遥感影像和郊区遥感影像，确定源域数据集和目标域数据集； 步骤二、利用源域数据集和目标域数据集训练顾及全局上下文和几何信息的建筑物跨域提取模型1，所述建筑物跨域提取模型1包括多尺度全局上下文提取模块、引力场增强的联合分类模块以及双原型对比学习模块；步骤三、计算建筑物跨域提取模型的总体损失函数，并根据总体损失函数对建筑物跨域提取模型1的参数进行更新，得到建筑物跨域提取模型2； 步骤四、将目标域数据集中的遥感影像输入到建筑物跨域提取模型2中进行预测，得到目标域掩码伪标签和目标域AFM伪标签； 步骤五、定义不含双原型对比学习模块的建筑物跨域提取模型2为建筑物提取模型3，并对建筑物提取模型3进行训练，得到建筑物提取模型4； 步骤六、将目标域数据集中的遥感影像输入到建筑物提取模型4中进行预测，得到最终的目标域建筑物掩码预测结果；即得到建筑物识别结果； 所述多尺度全局上下文提取模块包含一个层级Transformer模块和一个多尺度上下文融合模块，层级Transformer模块用于从源域和目标域影像中提取多尺度上下文特征，多尺度上下文融合模块用于对多尺度上下文信息进行融合得到融合特征；其中，层级Transformer模块包含了一个重叠图像嵌入模块和四个Transformer块，重叠图像嵌入模块用于将市区遥感影像块和郊区遥感影像块分割成大小为的图像块，并分别进行特征嵌入； 所述引力场增强的联合分类模块用于促进模型同时学习建筑物的语义信息和几何结构信息，且引力场增强的联合分类模块包含建筑物掩码编码头、AFM编码头、AFM增强的联合注意力模块、建筑物掩码分类器以及AFM分类器；其中，建筑物掩码编码头和AFM编码头均包含有两层卷积核大小为的卷积层；建筑物掩码分类器和AFM分类器均包含有两层卷积核大小分别为和的卷积层； 所述双原型对比学习模块用于消除源域和目标域数据之间的分布差异，包含建筑物掩码原型对比学习模块和AFM原型对比学习模块。

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中南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路932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。