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！

龙图腾网获悉郑州大学申请的专利一种基于多尺度注意力的遥感影像建筑物并行提取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：CN116665071B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310635688.X，技术领域涉及：G06V20/13；该发明授权一种基于多尺度注意力的遥感影像建筑物并行提取方法是由赫晓慧;李盼乐;程淅杰;乔梦佳;原晨桥;高亚军;田智慧;刘飞设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于多尺度注意力的遥感影像建筑物并行提取方法在说明书摘要公布了：本发明公开了一种基于多尺度注意力的遥感影像建筑物并行提取方法，本发明设计并实现了一种结合注意力机制的建筑物提取网络MGAR。本发明利用多头注意力对高等级语义信息进行分层加权处理，以提取出表征效果较为完善的最优特征组合；而后使用门控结构将每维特征图与对应编码端的低级语义信息相融合，来弥补局部建筑物细节信息的丢失问题。

本发明授权一种基于多尺度注意力的遥感影像建筑物并行提取方法在权利要求书中公布了：1.一种基于多尺度注意力的遥感影像建筑物并行提取方法，其特征在于：包括以下步骤： 步骤S1、建立建筑物提取网络MGAR架构，以改善基于深度学习的遥感影像建筑物提取方法中的目标捡漏与噪声密集问题；利用多头注意力对高等级语义信息进行分层加权处理，以提取出表征效果较为完善的最优特征组合；而后使用门控结构将每维特征图与对应编码端的低级语义信息相融合，来弥补局部建筑物细节信息的丢失问题； 所述步骤S1的具体操作步骤如下：步骤S1.1多尺度特征解译，在解码端提出一种多尺度特征解译模块MGA，并进一步细化为注意力模块与门控单元，以提取出表征效果较为完善的最优特征组合； 步骤S1.2基于多头注意力机制的特征解译，多头注意力机制通过对特征序列中每一个分量赋予不同权重方式，从大量干扰因素中筛选出其中的重要信息，并采用多个独立的Attention头进行并行计算，在提升计算效率的同时可有效防止模型过拟合问题； 首先通过Flatten操作将[H,W,C]的特征图转化为[H×W,C]的特征序列，而后对特征序列的每一分量进行位置编码 其中pos为像素点在序列中的位置，i为输入特征的第i个通道，dmodel为序列维度；位置编码利用正余弦函数为每一个像素点分配一个唯一的标识，用以记录正样本像素的位置信息，并使特征序列上任一位置的像素点能被其他位置信息线性表示； 最后使用Softmax函数对注意力得分进行归一化处理，将权重向量与V相乘以完成单一维度特征图的加权计算， 在式3中，WiQ、分别为第ii∈{1，...，h}个线性变换下Q、K、V对应初始参数的转移矩阵，headi为i个注意力头的输出结果，对应于特征图的4种尺度；再通过一次线性变换将多头特征图聚合以得到最终结果； MultiHeadQ,K,V＝Concathead1,head2,head3,head4WO5 在式5中，MultiHeadMH为经过多头注意力机制加权后的多尺度混合特征矩阵，Concat为连接操作，WO为转移矩阵； 步骤S1.3基于门控机制的特征融合，在解码端图像复原的过程中，为保留更多的细节信息，多尺度特征解译模块MGA采用门控方式调节特征融合过程，在步骤S1.2的基础上，为了弥补建筑物局部细节丢失的问题，进一步设计门控流程融合对应编码端低级语义信息，以精细化图像恢复过程； 采用同级编码器特征图Cn、上一级多尺度特征图Mn与经过多头注意力处理后的特征图MHn作为输入进行特征融合 Hn＝sigmoidconvCn·Mn+Cn+MHn6 Gn＝sigmoidconvHn7 Pn＝Gn·Cn+1-Gn·MHn8 其中n表示当前特征等级n∈{1,...,l}、l表示模型层次、Cn为编码器特征图、Hn为混合特征输出、Gn∈0，1表示门控单元、Conv是卷积核为1×1的常规卷积操作、Pn为融合结果； 步骤S2、在MassachusettsBuilding、WHUBuilding公开数据集上进行实验，以验证步骤1提出建筑物提取网络MGAR架构的有效性。

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郑州大学，其通讯地址为：450001 河南省郑州市高新技术开发区科学大道100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。