買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請(qǐng)的專利基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法、系統(tǒng)、設(shè)備及介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119851136B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510042776.8，技術(shù)領(lǐng)域涉及：G06V20/10；該發(fā)明授權(quán)基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法、系統(tǒng)、設(shè)備及介質(zhì)是由劉如意;吳俊紅;苗啟廣;劉向增;宋建鋒;李宇楠;謝琨;趙佩佩;權(quán)義寧設(shè)計(jì)研發(fā)完成，并于2025-01-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法、系統(tǒng)、設(shè)備及介質(zhì)在說明書摘要公布了：基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法、系統(tǒng)、設(shè)備及介質(zhì)，其方法是：首先獲取待訓(xùn)練高分辨率道路遙感影像數(shù)據(jù)并進(jìn)行預(yù)處理；其次通過多層預(yù)訓(xùn)練模型ResNet34對(duì)預(yù)處理后的道路影像數(shù)據(jù)利用編碼器逐步獲取道路的兩層低級(jí)特征和高級(jí)特征；將編碼器提取到的道路高級(jí)特征輸入到高級(jí)特征優(yōu)化模塊AFOM對(duì)其進(jìn)行優(yōu)化和增強(qiáng)，并去除冗余特征，得到優(yōu)化后的道路高級(jí)特征；最后利用解碼器優(yōu)化并融合道路的兩層低級(jí)特征和優(yōu)化后的道路高級(jí)特征，獲得優(yōu)化的整體模型，用損失函數(shù)softDice和BCE的綜合表示優(yōu)化的整體模型，通過恢復(fù)圖像分辨率，最終輸出提取的道路網(wǎng)絡(luò)圖；系統(tǒng)、設(shè)備及介質(zhì)，基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法，對(duì)高分辨率遙感影像中的道路進(jìn)行識(shí)別分割；本發(fā)明具有精確度高和魯棒性好的優(yōu)點(diǎn)。

本發(fā)明授權(quán)基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法、系統(tǒng)、設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種基于非對(duì)稱型神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像道路網(wǎng)絡(luò)提取方法，其特征在于，具體包括以下步驟： 步驟1，獲取待訓(xùn)練高分辨率道路遙感影像數(shù)據(jù)：利用公開網(wǎng)絡(luò)資源，獲取包含道路的高分辨率遙感影像，并進(jìn)行預(yù)處理操作，包括圖像分割、邊緣填充、旋轉(zhuǎn)、水平和垂直遷移，有效擴(kuò)增樣本數(shù)據(jù)集； 步驟2，通過多層預(yù)訓(xùn)練模型ResNet34作為編碼器逐步獲取道路的兩層低級(jí)特征和高級(jí)特征，所述低級(jí)特征包括道路邊緣、路面紋理特征，所述高級(jí)特征包括道路整體形狀、路網(wǎng)空間關(guān)系； 步驟3，將步驟2提取到的道路高級(jí)特征輸入到高級(jí)特征優(yōu)化模塊AFOM，實(shí)現(xiàn)道路高級(jí)特征的優(yōu)化和增強(qiáng)，并去除冗余信息，得到優(yōu)化后的道路高級(jí)特征； 步驟3.1高級(jí)特征優(yōu)化模塊AFOM包括卷積注意力模塊CBAM和多個(gè)特征增強(qiáng)模塊，所述多個(gè)特征增強(qiáng)模塊包括空洞空間卷積池化金字塔模塊ASPP、條帶膨脹卷積模塊和條帶池化模塊；把步驟2中經(jīng)過編碼器得到的高級(jí)特征向量輸入到卷積注意力模塊CBAM中以去除冗余信息，其中卷積注意力模塊CBAM包括通道注意力模塊CAM和空間注意力模塊SAM，通道注意力模塊CAM經(jīng)過全局平均池化和全連接層計(jì)算每個(gè)通道的重要性權(quán)重，空間注意力模塊SAM通過深度卷積聚合空間維度信息后利用卷積層學(xué)習(xí)每個(gè)位置的權(quán)重； high'＝SAMCAMhigh，1 其中，CAM·表示通道注意力機(jī)制，SAM·表示空間注意力機(jī)制，high'為經(jīng)過卷積注意力模塊的高級(jí)特征向量； 步驟3.2通過空洞空間卷積池化金字塔模塊ASPP、條帶膨脹卷積模塊和條帶池化模塊，使得模型獲取更精確的道路特征表示： 步驟3.2.1將步驟3.1中經(jīng)過卷積注意力模塊的高級(jí)特征向量high'通過空洞空間卷積池化金字塔模塊ASPP進(jìn)一步進(jìn)行特征提取和整合，提取道路的多尺度信息以豐富對(duì)道路細(xì)節(jié)的感知并增強(qiáng)對(duì)道路網(wǎng)絡(luò)全局結(jié)構(gòu)的理解；空洞空間卷積池化金字塔模塊ASPP通過4種不同孔徑的卷積核來捕獲不同尺度的道路特征： 這里，aspp1·-aspp4·表示不同膨脹系數(shù)的卷積操作，其中膨脹系數(shù)分別為1、6、12、18，表示concat操作，high'ASPP表示經(jīng)過ASPP操作后的高級(jí)特征向量； 步驟3.2.2將經(jīng)過卷積注意力模塊的高級(jí)特征向量high'通過條帶膨脹卷積模塊和條帶池化模塊進(jìn)行進(jìn)一步的特征提取和整合： 這里，AvgPoolH·表示水平平均池化，AvgPoolV·表示豎直平均池化，stripH·表示水平膨脹卷積，stripV·表示豎直膨脹卷積，stripDL·表示正對(duì)角線膨脹卷積，stripDR·表示反對(duì)角線膨脹卷積，其中膨脹系數(shù)均為6，表示concat操作，high'strip表示經(jīng)過條帶膨脹卷積和條帶池化操作后的高級(jí)特征向量； 步驟3.2.3將經(jīng)過空洞空間卷積池化金字塔模塊ASPP、條帶膨脹卷積模塊和條帶池化模塊的高級(jí)特征向量進(jìn)行拼接得到優(yōu)化后的高級(jí)特征： 這里，表示concat操作，high”表示經(jīng)過高級(jí)特征優(yōu)化模塊AFOM優(yōu)化后的高級(jí)特征向量； 步驟4，將步驟2得到的道路的兩層低級(jí)特征和步驟3得到的優(yōu)化后的道路高級(jí)特征輸入到解碼器中進(jìn)行優(yōu)化并融合，獲得優(yōu)化的整體模型，用損失函數(shù)softDice和BCE的綜合表示優(yōu)化的整體模型，通過恢復(fù)圖像分辨率，最終輸出提取的道路網(wǎng)絡(luò)圖。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。