買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京信息工程大學申請的專利一種多尺度聚合的云和云陰影辨識方法、系統、設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115410081B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210959194.2，技術領域涉及：G06V20/10；該發明授權一種多尺度聚合的云和云陰影辨識方法、系統、設備及存儲介質是由夏旻;陳凱;翁理國設計研發完成，并于2022-08-10向國家知識產權局提交的專利申請。

本一種多尺度聚合的云和云陰影辨識方法、系統、設備及存儲介質在說明書摘要公布了：本發明公開了一種多尺度聚合的云和云陰影辨識方法、系統、設備及存儲介質，屬于圖像處理技術領域，方法包括：獲取待測圖片；將待測圖片輸入到預訓練好的多尺度注意力特征聚合網絡中，得到云和云陰影的掩膜圖像，完成云和云陰影的辨識；使用訓練好的權重提取特征進行編碼解碼操作后輸出得到云和云陰影的掩膜圖像，能夠有效提升云和云陰影辨識精確度，有效減少了圖像中復雜背景和噪聲的干擾，能夠有效的捕捉到零散的小尺度的云和云影目標，增強了對薄云的檢測能力以及細化了對云和云陰影不規則的結合處的分割，提高了對云和云陰影復雜的邊緣細節的分割精度，并且在其他目標的分割實驗中也有不錯的效果，具有優秀的泛化能力和良好的魯棒性。

本發明授權一種多尺度聚合的云和云陰影辨識方法、系統、設備及存儲介質在權利要求書中公布了：1.一種多尺度聚合的云和云陰影辨識方法，其特征在于，包括： 獲取待測圖片； 將待測圖片輸入到預訓練好的多尺度注意力特征聚合網絡中，得到云和云陰影的掩膜圖像，完成云和云陰影的辨識； 所述多尺度注意力特征聚合網絡包括多尺度條狀池化注意力模塊，由并行的4條帶平均池化分支和一個自適應平均池化分支、兩條并行的條狀卷積支路、空間注意力模塊、通道注意力模塊組成，用于提取多尺度上下文信息和深層空間、通道信息； 4條帶平均池化分支和一個自適應平均池化分支，用于并行提取和添加待測圖片，得到多尺度特征圖后恢復到待測圖片大小，并在高度維度連接在一起，得到權重向量； 將權重向量分別輸入到兩條并行的條狀卷積支路，第一條支路由卷積核1×7和卷積核7×1組成，第二條支路由卷積核7×1和卷積核1×7組成，第一條支路提取出特征圖后將其輸入到空間注意力模塊，提取出包含空間信息第一特征圖，第二條支路提取出特征圖后將其輸入到通道注意力模塊，提取出包含通道信息的第二特征圖，然后連接交互后輸出最終特征圖； 所述通道注意力模塊的計算過程如下： 分別用全局平均池化和全局最大池化提取特征： 其中，x表述輸入的特征圖，和分別表示全局最大池化分支和全局平均池化分支輸出的第二權重向量和第三權重向量，Gmax和Gavg分別表示全局最大池化和全局平均池化，C2D1×1表示卷積核為1×1的二維卷積； 對全局平均池化和全局最大池化提取出的特征進行拼接： 其中，CAT3代表在寬度維度進行拼接，是在寬度維度拼接后的圖像； 尺寸恢復、特征選擇、重新加權： 其中，CAx表示通道注意力模塊輸出的第一特征圖，DWC2D1×2表示卷積核為1×2的二維深度可分離卷積，DWC2D1×1表示卷積核為1×1的二維深度可分離卷積，σ表示非線性激活函數Sigmoid； 所述空間注意力模塊的計算過程如下： 分別用全局平均池化和全局最大池化提取特征后沿通道維度連接，執行卷積運算，再經過非線性激活函數生成第二特征圖： SAx＝σC2D7×7CAT1MPx,APx 其中，SAx表示空間注意力模塊輸出的第二特征圖，C2D7×7表示卷積核為7×7的二維卷積，CAT1表示在通道維度進行拼接，MP和AP分別表示最大池化和平均池化。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：224002 江蘇省鹽城市鹽南高新區新河街道文港南路105號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。