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！

龙图腾网获悉深圳市锐明像素科技有限公司申请的专利基于深度学习的乱堆物料识别方法、装置、电子设备及程序产品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：CN121415262B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511959844.3，技术领域涉及：G06V20/10；该发明授权基于深度学习的乱堆物料识别方法、装置、电子设备及程序产品是由王鹏;刘加美;蔡达识;张凯设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本基于深度学习的乱堆物料识别方法、装置、电子设备及程序产品在说明书摘要公布了：本申请公开了一种基于深度学习的乱堆物料识别方法、装置、电子设备及程序产品。该方法基于训练好的识别模型实现，其骨干网络中引入了C3k2‑ASL模块，模块中ASLBlock可以较低计算开销建模宽度方向与高度方向的长程结构依赖，增强模型对细长、分散及低对比度乱堆物料特征的感知能力与识别鲁棒性。为提升模型对乱堆物料整体空间分布的建模能力，在颈部网络中引入MGCA模块，通过提取多维全局上下文信息，并通过动态注意力机制实现融合，可提高模型在复杂城市场景下对不同类型乱堆物料的精准识别能力。针对类别不平衡的问题，基于约束对数重加权调制机制改进损失函数，使模型在数据均衡时退化为均匀加权，在长尾分布时仍稳定优化，提升模型的泛化性能与训练稳定性。

本发明授权基于深度学习的乱堆物料识别方法、装置、电子设备及程序产品在权利要求书中公布了：1.一种基于深度学习的乱堆物料识别方法，其特征在于，包括： 基于预先训练完成的乱堆物料识别模型的骨干网络对待识别图像进行特征提取，得到图像特征；所述待识别图像包括城市公共空间； 基于所述乱堆物料识别模型的颈部网络对所述图像特征进行融合，得到目标融合特征； 基于所述乱堆物料识别模型的识别网络对所述目标融合特征进行识别，得到所述待识别图像中乱堆物料的识别结果； 其中，所述颈部网络包括MGCA模块，所述MGCA模块用于提取对应的第一输入特征在宽度和高度维度下的全局上下文信息，并通过动态注意力机制增强堆放区域的特征响应； 所述MGCA模块包括分割层、第一分支、第二分支、激活层以及第一融合层；针对输入所述MGCA模块的第一输入特征： 通过所述分割层对所述第一输入特征执行分割操作，得到G组分割特征； 针对每组的所述分割特征：通过所述第一分支在高度方向上对所述分割特征执行特征提取和融合操作；通过所述第二分支在宽度方向上对所述分割特征执行特征提取和融合操作； 通过所述激活层对各组所述分割特征对应的第一分支输出和第二分支输出执行第一激活操作，分别得到各组所述分割特征对应的高度方向权重和宽度方向权重； 通过所述第一融合层将各组所述分割特征对应的高度方向权重和宽度方向权重与基于残差传递的第一输入特征进行融合，得到对应的第一输出特征； 所述骨干网络包括C3k2-ASL模块，所述C3k2-ASL模块基于ASLBlock对C3k2改进得到，所述ASLBlock包括SSA子模块、RCA子模块、空间-通道联合层、第二拼接层、特征提取结构以及第三拼接层；针对输入所述ASLBlock的第二输入特征： 通过所述SSA子模块对所述第二输入特征进行空间方向上的结构建模和赋权融合，得到对应的空间融合特征； 通过所述RCA子模块在所述空间融合特征上执行通道注意力机制，将得到的通道权重与空间融合特征进行融合，得到通道融合特征； 通过空间-通道融合层将所述空间融合特征与所述通道融合特征进行融合得到空间-通道融合特征； 基于所述第二拼接层将经第一缩放因子处理后的空间-通道融合特征与所述第二输入特征进行拼接，得到一阶段特征； 基于所述特征提取结构对所述一阶段特征执行批归一化操作和MPL操作，得到二阶段特征； 基于所述第三拼接层对经第二缩放因子处理所述二阶段特征与所述一阶段特征进行拼接，得到对应的第二输出特征。

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深圳市锐明像素科技有限公司，其通讯地址为：518000 广东省深圳市南山区桃源街道长源社区学苑大道1001号B1栋2001；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。