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 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 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 > 杭州第二人生科技有限公司陈宇凌获国家专利权

杭州第二人生科技有限公司陈宇凌获国家专利权

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!

龙图腾网获悉杭州第二人生科技有限公司申请的专利一种基于图神经网络的移动式多视角图片数据采集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:CN121190727B

龙图腾网通过国家知识产权局官网在2026-05-01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:202511372810.4,技术领域涉及:G06V10/22;该发明授权一种基于图神经网络的移动式多视角图片数据采集方法是由陈宇凌;周光磊;简丽娜;杜冉设计研发完成,并于2025-09-24向国家知识产权局提交的专利申请。

一种基于图神经网络的移动式多视角图片数据采集方法在说明书摘要公布了:本发明公开了一种基于图神经网络的移动式多视角图片数据采集方法,包括如下步骤:S1、采集多视角图片数据并进行修复预处理,构建初步图像数据集;S2、将图像划分为若干图像块,并输入改进的ViT模型中进行初步处理,根据任务优先级动态分配每个图像块的处理权重;S3、结合鸟群算法优化图像块排列顺序,最大化标注准确性并最小化计算资源消耗;S4、将优化后的图像块排列顺序再次输入改进的ViT模型中,得到已标注图像块;S5、利用图神经网络对已标注图像块之间的关系进行建模,生成图像块关系图;S6、根据已标注图像块及图像块关系图,生成最终图像数据集。本发明结合图神经网络、改进的ViT模型和鸟群算法等,优化了多视角图像数据采集与标注。

本发明授权一种基于图神经网络的移动式多视角图片数据采集方法在权利要求书中公布了:1.一种基于图神经网络的移动式多视角图片数据采集方法,其特征在于,包括如下步骤: S1、通过移动设备采集多视角图片数据,并进行修复预处理,构建初步图像数据集; S2、将图像划分为若干不重叠的图像块,并输入改进的ViT模型中进行初步处理,根据任务优先级动态分配每个图像块的处理权重,获取图像块特征表示; S3、根据图像块特征表示,结合鸟群算法优化图像块排列顺序,通过多轮迭代更新,最大化标注准确性并最小化计算资源消耗; S4、将优化后的图像块排列顺序再次输入改进的ViT模型中,提取每个图像块的特征并进行属性标注,得到已标注图像块; S5、利用图神经网络对已标注图像块之间的关系进行建模,增强图像块之间的特征传播与协同,生成图像块关系图; S6、根据已标注图像块及图像块关系图,生成最终图像数据集; 所述S2具体包括: S21、将图像划分为若干不重叠的图像块,每个图像块的尺寸为,其中表示设定的图像块宽度,表示设定的图像块高度; S22、将每个图像块输入改进的ViT模型进行初步处理,所述改进的ViT模型通过引入基于任务优先级的自适应加权机制来调整图像块的处理过程,综合考虑任务优先级、资源消耗和特征重要性,动态分配每个图像块的处理权重: ; 其中,表示第个图像块的处理权重,表示第个图像块的任务优先级,表示第个图像块的特征重要性,表示第个图像块的计算资源消耗,表示调节优先级的系数,表示资源消耗影响的系数,表示协同加权系数,表示第个图像块与第个图像块之间的协同系数,表示平滑因子,表示图像块总数; S23、在图像块的处理过程中,通过改进的ViT模型对每个图像块的特征提取进行加权,计算图像块的加权系数: ; 其中,表示第个图像块的加权系数,表示任务优先级的动态调整因子,表示资源消耗调节系数; S24、根据图像块的处理权重和加权系数,获取图像块特征表示: ; 其中,表示第个图像块特征表示,表示输入的第个图像块,表示自注意力机制; 所述S3具体包括: S31、根据图像块特征表示,初始化鸟群算法中的粒子,每个粒子对应一个图像块的排列顺序,粒子的位置表示图像块的排列顺序,粒子的速度表示排列顺序的变化速率; S32、为每个粒子计算适应度函数,所述适应度函数综合了图像块的任务优先级、特征重要性、计算资源消耗和图像块之间的协同影响: ; 其中,表示适应度值,表示图像块总数,表示第个图像块的处理权重,表示调整系数,表示第个图像块的任务优先级,表示资源消耗影响的系数,表示第个图像块的计算资源消耗,表示协同加权系数,表示第个图像块与第个图像块之间的协同系数; S33、基于适应度函数,通过多轮迭代更新粒子的位置和速度,最大化标注准确性并最小化计算资源消耗,更新过程为:通过粒子适应度值评估每个粒子的位置,粒子根据历史最优位置和全局最优位置更新自己的位置和速度,在每轮迭代过程中,粒子的位置根据适应度函数进行更新: ; ; 其中,表示第个粒子在时刻的位置,表示第个粒子在时刻的位置,表示第个粒子在时刻的速度,表示惯性权重,表示第个粒子在时刻的速度,和表示加速常数,和表示随机数,表示第个粒子的历史最优位置,表示全局最优位置; S34、每轮迭代结束后,检查粒子的适应度值是否收敛,如果适应度值未达到预设阈值且未达到最大迭代次数,则继续进行迭代更新,反之则输出当前排列顺序作为优化后的图像块排列顺序。

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杭州第二人生科技有限公司,其通讯地址为:310016 浙江省杭州市上城区钱江路509号杭港科技大厦1151室;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。