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 > 嘉兴大学;嘉兴港润电子科技有限公司李永刚获国家专利权

嘉兴大学;嘉兴港润电子科技有限公司李永刚获国家专利权

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!

龙图腾网获悉嘉兴大学;嘉兴港润电子科技有限公司申请的专利一种基于双编码器STR-Net的建筑物轮廓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:CN119832266B

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:202411954119.2,技术领域涉及:G06V10/44;该发明授权一种基于双编码器STR-Net的建筑物轮廓提取方法是由李永刚;李英建;徐海宝;许晨东;闫帅;叶利华;龚迅炜;刘艳梅设计研发完成,并于2024-12-27向国家知识产权局提交的专利申请。

一种基于双编码器STR-Net的建筑物轮廓提取方法在说明书摘要公布了:本发明提供一种基于双编码器STR‑Net的建筑物轮廓提取方法,属于图像处理领域,获取建筑遥感图像,对建筑遥感图像预处理得到图像块,确定图像块为输入,分别送入跨尺度编码器和细粒度编码器;根据跨尺度编码器提取图像块中的全局特征,基于细粒度编码器提取图像块中的局部特征,跨尺度编码器和细粒度编码器并行工作;基于分支融合模块整合各特征层的全局特征和局部特征,得到融合特征;根据解码器逐层拼接各特征层的融合特征与上一阶段特征层的融合特征,并根据卷积运算传递至上一阶段的特征层,基于多层解码输出建筑物轮廓图。本发明可以提高建筑轮廓提取时的准确性。

本发明授权一种基于双编码器STR-Net的建筑物轮廓提取方法在权利要求书中公布了:1.一种基于双编码器STR-Net的建筑物轮廓提取方法,其特征在于,包括: 获取建筑遥感图像,对所述建筑遥感图像预处理得到图像块,确定所述图像块为输入,分别送入跨尺度编码器和细粒度编码器; 根据所述跨尺度编码器提取所述图像块中的全局特征,基于所述细粒度编码器提取所述图像块中的局部特征,所述跨尺度编码器和所述细粒度编码器并行工作; 基于分支融合模块整合各特征层的所述全局特征和所述局部特征,得到融合特征; 根据解码器逐层拼接各特征层的融合特征与上一阶段特征层的融合特征,并根据卷积运算传递至上一阶段的特征层,基于多层解码输出建筑物轮廓图; 其中,根据所述跨尺度编码器提取所述图像块中的全局特征,基于所述细粒度编码器提取所述图像块中的局部特征,所述跨尺度编码器和所述细粒度编码器并行工作,包括: 基于深度Swin变换器模块构建跨尺度编码器,根据W-MSA单元和SW-MSA单元逐层处理所述图像块,逐层提取并整合局部与全局特征,基于顶层输出全局特征,其中,各Swin变换器层由W-MSA单元和SW-MSA单元连接构成; 根据ResNeXt模块构建细粒度编码器,基于ResNeXt模块对输入特征矩阵进行降维处理,根据分组卷积对降维后的特征进行深层次提取和细化,基于升维处理恢复通道数,对处理后的特征与短路连接输出融合,输出局部特征; 其中,基于深度Swin变换器模块构建跨尺度编码器,根据W-MSA单元和SW-MSA单元逐层处理所述图像块,逐层提取并整合局部与全局特征,基于顶层输出全局特征,包括: 所述跨尺度编码器的运算过程如下: 对于第层特征层,将上一层特征层的输入特征作为输入,经过LN处理后,送入W-MSA单元进行局部特征的提取和整合,得到中间特征,将与进行残差连接,再经过MLP和LN处理,得到新的中间特征; 将作为输入,经过LN处理后,送入SW-MSA单元进行移位窗口下的特征提取和整合,得到中间特征,将与进行残差连接,再经过一个MLP和LN处理,得到第层的输出特征; 其中,对于顶层,其输出特征的计算过程与上述过程相同,但不再作为下一层的输入; 所述跨尺度编码器的表达式如下:;;;;; 其中,表示第层特征层,表示经过W-MSA和LN处理后的中间特征,表示第层特征层跨尺度编码器的输出特征,表示层归一化,表示常规窗口配置下的自注意力机制,表示第层SW-Trans模块的输出特征,表示经过SW-MSA和LN处理后且基于的进一步中间特征,表示第层特征层跨尺度编码器的输出特征,表示第层特征层跨尺度编码器的输出特征,表示第层特征层的中间特征,SW-MSA表示具有移位操作的窗口配置方案,SW-Trans模块表示SwinTransformer模块; 其中,基于分支融合模块整合各特征层的所述全局特征和所述局部特征,得到融合特征,包括: 根据所述分支融合模块对跨尺度编码器的输出提取全局特征,经过1×1的卷积层进行处理,在通道方向上应用全局平均池化得到特征向量,将特征向量经过两个全连接层和ReLU、sigmoid激活函数,得到包含通道依赖特征的通道注意力权重; 对通道注意力权重和特征图进行矩阵相乘融合,生成跨尺度编码器的输出; 根据所述分支融合模块将跨尺度编码器的输出和细粒度编码器的局部特征融合,生成融合特征。

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嘉兴大学;嘉兴港润电子科技有限公司,其通讯地址为:314001 浙江省嘉兴市南湖区广穹路899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。