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！

龙图腾网获悉西南石油大学申请的专利基于多编码器和可变形卷积的图像特征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：CN121392305B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511978937.0，技术领域涉及：G06V10/44；该发明授权基于多编码器和可变形卷积的图像特征提取方法是由安建;邓紫璇;张玉利;张政;胡云华设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本基于多编码器和可变形卷积的图像特征提取方法在说明书摘要公布了：基于多编码器和可变形卷积的图像特征提取方法，涉及图像识别技术领域，包括以下步骤，建立包含多编码器结构和可变形卷积的改进U‑Net网络，获取速度图像、地震图像和先验图像的数据，结合MSE、SSIM构建损失函数，利用Canny算法提取速度图像数据的轮廓损失函数，将二者组合为自适应混合损失函数，利用步骤S2得到的图像数据，基于深度学习网络，结合自适应混合损失函数开始监督训练，通过图像数据测试集验证步骤S4中训练得到的深度学习网络的图像特征提取能力，将训练得到的深度学习网络用于地层图像的特征提取；本发明中的方法可以完成数据降维与简化计算，极大地减少了计算复杂度，使得提取的特征与最终目标高度一致，性能上限优于传统流程。

本发明授权基于多编码器和可变形卷积的图像特征提取方法在权利要求书中公布了：1.基于多编码器和可变形卷积的图像特征提取方法，其特征在于，包括以下步骤： 步骤S1：建立包含多编码器结构和可变形卷积的改进U-Net网络，其中，可变形卷积设置在改进U-Net网络的编码段和解码段的任意层级中，多编码器结构与改进U-Net网络编码段并行设置，多编码器结构的输出特征与改进U-Net网络编码段的输出特征在瓶颈层前端对齐融合； 步骤S2：获取速度图像、地震图像和先验图像的数据，其中，地震图像输入改进U-Net网络编码段，先验图像输入多编码器，改进U-Net网络输出预测速度图像，与获取的速度图像一起用于监督训练； 步骤S3：结合MSE、SSIM构建损失函数，利用Canny算法提取速度图像数据的轮廓损失函数，将二者组合为自适应混合损失函数； 步骤S4：利用步骤S2得到的图像数据，基于深度学习网络，结合自适应混合损失函数开始监督训练； 步骤S5：通过图像数据测试集验证步骤S4中训练得到的深度学习网络的图像特征提取能力，将训练得到的深度学习网络用于地层图像的特征提取； 其中，步骤S3中所述自适应混合损失函数如下式所示： 式中，表示基础损失函数；i表示当前训练轮数；α和β分别表示第一损失权重参数和第二损失权重参数；Sig表示Sigmoid激活函数；Lcontourx,y表示轮廓损失函数；x表示预测的速度图像；y表示真实的速度图像； 其中，基础损失函数的计算方法如下式所示： 式中，为均方误差，SSIM为结构相似性指数。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。