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！

龙图腾网获悉南京信息工程大学申请的专利一种融合卷积神经网络与Transformer的遥感影像建筑物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：CN116071650B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310120396.2，技术领域涉及：G06V20/10；该发明授权一种融合卷积神经网络与Transformer的遥感影像建筑物提取方法是由徐崇辉;陈炜峰;胡凯;徐德邻设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本一种融合卷积神经网络与Transformer的遥感影像建筑物提取方法在说明书摘要公布了：本发明提供一种融合卷积神经网络与Transformer的遥感影像建筑物提取方法，涉及遥感影像分割与计算机视觉技术交叉领域。该融合卷积神经网络与Transformer的遥感影像建筑物提取方法，将获取的遥感影像，制作成遥感影像数据集并逐一打好标签，并将遥感影像数据集划分为训练集、验证集和测试集；对遥感影像经处理后得到的遥感图像进行预处理，增加数据的多样性；将预处理后的遥感图像进行特征提取，收集包含建筑物信息的特征图，并获得图像的全局特征。该方法可以显著降低对于小目标建筑物错检、漏检的问题，提高大目标建筑物分割的完整性，改善目标建筑物边缘信息提取不足导致的边界模糊问题。

本发明授权一种融合卷积神经网络与Transformer的遥感影像建筑物提取方法在权利要求书中公布了：1.一种融合卷积神经网络与Transformer的遥感影像建筑物提取方法，其特征在于，包括： 将获取的遥感影像，制作成遥感影像数据集并逐一打好标签，并将遥感影像数据集划分为训练集、验证集和测试集； 对遥感影像经处理后得到的遥感图像进行预处理，增加数据的多样性； 将预处理后的遥感图像进行特征提取，收集包含建筑物信息的特征图；并获得图像的全局特征； 将收集到的包含建筑物信息的特征图和获得到的图像的全局特征进行特征融合，得到包含局部信息与全局信息的语义特征，并将获得包含丰富上下文信息的特征映射； 将划分好的训练集和验证集样本经过预处理操作之后，进行训练，迭代数轮直至模型收敛，保存训练好的模型权重； 对划分好的测试集进行分割并分类，得到模型输出的可视化结果对模型进行评估； 所述得到包含局部信息与全局信息的语义特征通过自适应注意力模块实现，所述自适应注意力模块计算步骤如下： 对提取的特征Ci与Ti进行Concat操作并通过一个1×1卷积进行的信息交互，经过全局平均池化对空间信息压缩得到1×1×C的向量，经过一个Sigmoid非线性激活函数得到通道特征权重，将得到的权重与分别经过1×1卷积的Ci与Ti进行矩阵乘法得到具有通道注意力的特征图FCi和FTi，FCi表示重点关注CNN提取的特征，FTi表示重点关注Transformer提取的特征；最后将两个特征向量相加得到融合后的特征信息Fi，数学表达式如下： Fi＝FCi+FTi,i＝1,2,3,4 其中，i表示网络特征提取的四个阶段,f1×1表示卷积核为1×1的卷积，表示矩阵乘法，Avgpool表示全局平均池化，Concat表示将不同的特征图进行拼接； 所述获得包含丰富上下文信息的特征映射通过多尺度特征融合模块实现，所述多尺度特征融合模块计算步骤如下： 输入四个不同尺度特征图Fi分别经过3×3卷积进行特征图分辨率的调整，得到统一分辨率大小的特征图，然后经过Concat将四个特征图进行拼接得到包含丰富上下文信息的图像特征W；数学变换如下所示： W＝Concat[f3×3F1,f3×3F2,f3×3F3,f3×3F4] 其中，f3×3表示卷积核为3×3的卷积，Concat表示将不同的特征图进行拼接，i＝1,2,3,4。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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。