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
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 深圳大学赖亚妮获国家专利权

深圳大学赖亚妮获国家专利权

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!

龙图腾网获悉深圳大学申请的专利一种基于深度学习的城市更新蓝绿空间动态监测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:CN120997680B

龙图腾网通过国家知识产权局官网在2026-03-06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:202511471060.6,技术领域涉及:G06V20/10;该发明授权一种基于深度学习的城市更新蓝绿空间动态监测方法是由赖亚妮;徐才端设计研发完成,并于2025-10-15向国家知识产权局提交的专利申请。

一种基于深度学习的城市更新蓝绿空间动态监测方法在说明书摘要公布了:本发明属于数据处理领域,公开了一种基于深度学习的城市更新蓝绿空间动态监测方法,所述方法包括:获取高分辨率遥感影像,并进行预处理,得到预处理影像数据;确定UNetMamba模型,并采用ResTv2骨干网络和ECA注意力机制进行改进,得到改进型UNetMamba模型;确定预设数据集,并根据预设数据集对改进型UNetMamba模型进行模型训练和模型优化,得到蓝绿空间分类模型;将预处理影像数据输入至蓝绿空间分类模型,输出蓝绿空间分类结果;对蓝绿空间分类结果进行后处理和空间转移计量分析,得到蓝绿空间分布图和蓝绿空间转化桑基图。本发明能够有效提高蓝绿空间的识别精度,进而有效揭示生态空间演变规律。

本发明授权一种基于深度学习的城市更新蓝绿空间动态监测方法在权利要求书中公布了:1.一种基于深度学习的城市更新蓝绿空间动态监测方法,其特征在于,所述基于深度学习的城市更新蓝绿空间动态监测方法包括: 获取高分辨率遥感影像,并对所述高分辨率遥感影像进行预处理,得到预处理影像数据; 确定UNetMamba模型,并采用ResTv2骨干网络和ECA注意力机制对所述UNetMamba模型进行改进,得到改进型UNetMamba模型; 确定预设数据集,并根据所述预设数据集对所述改进型UNetMamba模型进行模型训练和模型优化,得到蓝绿空间分类模型; 将所述预处理影像数据输入至所述蓝绿空间分类模型,输出蓝绿空间分类结果; 对所述蓝绿空间分类结果进行后处理和空间转移计量分析,得到蓝绿空间分布图和蓝绿空间转化桑基图; 所述确定预设数据集,并根据所述预设数据集对所述改进型UNetMamba模型进行模型训练和模型优化,得到蓝绿空间分类模型,具体包括: 确定预设数据集,并对所述预设数据集进行重分类处理和数据划分处理,得到训练集和验证集; 根据所述训练集对所述改进型UNetMamba模型进行模型训练,得到初始蓝绿空间分类模型; 采用贝叶斯优化算法根据所述验证集对所述初始蓝绿空间分类模型进行超参数优化处理,得到蓝绿空间分类模型; 所述根据所述训练集对所述改进型UNetMamba模型进行模型训练,得到初始蓝绿空间分类模型,具体包括: 将增强训练数据集输入至所述改进型UNetMamba模型,通过所述改进型UNetMamba模型中的ResTv2骨干网络对所述增强训练数据集进行特征提取处理和全局平均池化处理,得到输入特征序列和可学习权重矩阵; 根据所述输入特征序列和所述可学习权重矩阵构建注意力权重矩阵,并对所述注意力权重矩阵进行加权求和处理和像素重组处理,得到多尺度特征金字塔; 将所述多尺度特征金字塔输入至所述改进型UNetMamba模型的解码器网络,通过所述解码器网络对所述多尺度特征金字塔进行空间分辨率恢复处理和融合处理,输出蓝绿空间语义分割图,所述改进型UNetMamba模型训练完成,得到初始蓝绿空间分类模型; 所述通过所述改进型UNetMamba模型中的ResTv2骨干网络对所述增强训练数据集进行特征提取处理和全局平均池化处理,得到输入特征序列和可学习权重矩阵,具体包括: 将所述增强训练数据集输入至ResTv2模块中的初始特征提取层,通过所述初始特征提取层对所述增强训练数据集进行特征提取处理,得到输入特征序列; 将所述输入特征序列输入至ECA注意力机制模块,通过所述ECA注意力机制模块对所述输入特征序列进行全局平均池化处理和局部跨通道交互信息计算,得到可学习权重矩阵; 所述根据所述输入特征序列和所述可学习权重矩阵构建注意力权重矩阵,并对所述注意力权重矩阵进行加权求和处理和像素重组处理,得到多尺度特征金字塔,具体包括: 对所述输入特征序列和所述可学习权重矩阵进行矩阵乘法运算,得到Q向量; 将所述输入特征序列排列为二维特征图,并对所述二维特征图进行深度可分离卷积处理,得到压缩特征图; 对所述压缩特征图进行展平处理和投影处理,得到K向量和V向量; 根据所述Q向量和所述K向量得到注意力权重矩阵,并将所述注意力权重矩阵与所述V向量进行加权求和处理,得到注意力输出序列; 对所述注意力输出序列进行像素重组处理,得到多尺度特征金字塔。

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深圳大学,其通讯地址为:518060 广东省深圳市南山区粤海街道南海大道3688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。