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！

龙图腾网获悉长沙理工大学申请的专利基于卷积神经网络和变换器双路径的道路裂缝分割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：CN116563544B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310525413.0，技术领域涉及：G06V10/26；该发明授权基于卷积神经网络和变换器双路径的道路裂缝分割方法是由张建明;曾志高;王进设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本基于卷积神经网络和变换器双路径的道路裂缝分割方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络和变换器双路径的道路裂缝分割方法，其包括加载基于卷积神经网络和变换器双路径的道路裂缝图像的数据集；基于卷积神经网络对初始输入图像进行特征提取，获取各个卷积层提取到的特征图及通过一个深度可分离卷积进行下采样得到最终提取的特征图；基于变换器对初始输入图像进行特征提取，获取各个变换器块提取的特征图；得到互补融合特征；得到简单融合特征；将简单融合特征输入进解码器进行图像的恢复，配合采取跳跃连接的策略将互补融合特征连接输入解码器，获取裂缝分割结果。本发明利用卷积神经网络和变换器的互补性，将互补融合特征与简单融合特征一起送入解码器进行解码，最终得到恢复完整的裂缝分割结果。

本发明授权基于卷积神经网络和变换器双路径的道路裂缝分割方法在权利要求书中公布了：1.一种基于卷积神经网络和变换器双路径的道路裂缝分割方法，其特征在于，包括如下步骤： 步骤S100、加载基于卷积神经网络和变换器双路径的道路裂缝图像的数据集，对双路径网络进行训练； 步骤S200、基于卷积神经网络对初始输入图像进行特征提取，获取各个卷积层提取到的特征图及通过一个深度可分离卷积进行下采样得到卷积神经网络编码器最终提取的特征图；其中，所述卷积神经网络包括卷积神经网络编码器，卷积神经网络编码器包括多个卷积层及一个深度可分离卷积； 步骤S300、基于变换器对初始输入图像进行特征提取，获取各个变换器块提取的特征图；其中，所述变换器包括变换器编码器，所述变换器编码器包括多个特征提取层，每个特征提取层中均设有变换器块，变换器编码器最后一个特征提取层中变换器块提取的特征图为变换器编码器最终提取的特征图； 其中，每个变换器块主要由第一残差块及第二残差块两个残差块组成，当前输入图像进入变换器块中的第一残差块，通过计算全卷积高低频注意力获取变换器块中第一残差块输出的第一图像特征；具体包括如下步骤： 当前输入图像X会在通道方向上按照比例α进行划分，高频分支将得到1-αNh，低频分支将得到αNh，Nh为头数，对高频分支和低频分支两部分分别计算自注意力； 在高频分支中，当前输入图像X通过深度可分离卷积获得各个头的查询Q、键K和值V：Q＝CqX，K＝CkX，V＝CvX，将查询Q、键K和值V通过缩放点积注意力进行计算： 其中，Cq、Ck、Cv分别表示获得查询Q、键K、值V的深度可分离卷积；Dh为隐藏层维度，SAh表示一个头的缩放点积自注意力的结果，MSA表示将多个头的计算结果在通道方向上进行连接，经过一个深度可分离卷积聚合得到高频特征；查询Q、键K和值V的组数即为分配给高频分支的头数1-αNh； 在低频分支中，将当前输入图像X通过全局平均池化的操作先得到其低频分量，将该低频分量通过深度可分离卷积得到多个头的键K’和值V’，查询Q’由当前输入图像X直接通过深度可分离卷积获得；查询Q’、键K’和值V’通过缩放点积注意力进行计算，然后将多个头的计算结果在通道方向上进行连接，经过一个深度可分离卷积聚合得到低频特征，查询Q’、键K’和值V’的组数即为分配给低频分支的头数αNh； 将得到的高频特征和低频特征在通道方向上进行拼接，提取得到当前输入图像X的高低频特征； 将当前输入图像X与进行批归一化之后的高低频特征进行逐元素相加，作为变换器块中第一残差块输出的第一图像特征； 步骤S400、对卷积神经网络编码器的中间卷积层提取的特征图分别与变换器编码器的中间特征提取层中的变换器块提取的特征图进行匹配融合，得到互补融合特征； 所述步骤S400的方法，具体操作为： 将卷积神经网络编码器的中间卷积层提取的特征图与变换器编码器的中间特征提取层中的变换器块提取的特征图匹配输入进互补融合模块，对于输入进互补融合模块的卷积神经网络编码器部分的特征图及变换器编码器部分的特征图，首先经过通道注意力调整各个通道的权重，经过通道注意力之后的两部分特征图将进行矩阵乘法运算得到相关性增强特征图，将在通道方向上连接经过通道注意力之后的两部分特征图与相关性增强特征图进行初步融合得到初步融合特征图，再通过一个残差卷积模块对初步融合特征图进行聚合，得到互补融合特征； 步骤S500、对卷积神经网络编码器最终提取的特征图与变换器编码器最终提取的特征图进行匹配融合，得到简单融合特征； 所述骤S500的方法，具体操作为： 将卷积神经网络编码器最终提取的特征图与变换器编码器最终提取的特征图匹配输入进简单融合模块，对于输入进简单融合模块的卷积神经网络编码器最终提取的特征图与变换器编码器最终提取的特征图，分别通过通道注意力调整各个通道的权重之后在通道方向上连接获得连接的特征图，然后采用倒置深度可分离卷积、批归一化及GELU激活函数对连接的特征图进行聚合和降维，得到简单融合特征； 步骤S600、将简单融合特征输入进解码器进行图像的恢复，配合采取跳跃连接的策略将互补融合特征连接输入解码器，获取裂缝分割结果。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市雨花区万家丽南路二段960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。