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！

龙图腾网获悉中国铁路设计集团有限公司申请的专利基于图像超分辨率重建处理的室内建筑房屋轮廓识别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：CN120411748B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510886381.6，技术领域涉及：G06V20/00；该发明授权基于图像超分辨率重建处理的室内建筑房屋轮廓识别方法是由彭涛;周敏;赵耀;曹嘉旭;刘国富;陈伟;温延龙;柴天娇;晏寒;张妍君;董健;吴绍华;李珉璇;葛伟涛;杨琪;李广森设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本基于图像超分辨率重建处理的室内建筑房屋轮廓识别方法在说明书摘要公布了：本发明公开了基于图像超分辨率重建处理的室内建筑房屋轮廓识别方法，包括：获取扩充后的建筑平面图数据集；对沙漏网络进行改进，沙漏网络为编码器‑解码器结构，对沙漏网络中的残差模块引入通道注意力模块，且在进行解码器上采样过程后，引入多尺度模块，利用扩充后的建筑平面图数据集对改进后的沙漏网络进行训练，并优化，训练目标为最小化多任务损失函数，最后得到基于多任务的平面图识别模型；构建并训练基于Real‑ESRGAN网络的图像超分辨率模型；在对建筑平面图进行识别时，对所需识别的建筑平面图进行分辨率检测，利用平面图识别模型对处理后的建筑平面图进行识别；本发明方法在平面图识别任务中的表现优于现有的基准模型。

本发明授权基于图像超分辨率重建处理的室内建筑房屋轮廓识别方法在权利要求书中公布了：1.基于图像超分辨率重建处理的室内建筑房屋轮廓识别方法，其特征在于，该方法包括以下步骤： 获取原始建筑平面图数据集，对原始建筑平面图数据进行数据增强处理，得到扩充后的建筑平面图数据集； 对沙漏网络进行改进，所述沙漏网络为编码器-解码器结构，对沙漏网络中的残差模块引入通道注意力模块，且在进行解码器上采样过程后，引入多尺度模块，利用扩充后的建筑平面图数据集对改进后的沙漏网络进行训练，并通过Adam优化器进行优化，训练目标为最小化多任务损失函数，最后得到基于多任务的平面图识别模型； 构建并训练基于Real-ESRGAN网络的图像超分辨率模型，训练后的图像超分辨率模型能对平面图进行超分辨率重建处理； 在对建筑平面图进行识别时，首先对所需识别的建筑平面图进行分辨率检测，如果分辨率高于600×600，则不进行超分辨率重建处理，如果低于600×600则进行超分辨率重建处理，再利用平面图识别模型对处理后的建筑平面图进行识别，得到识别结果； 其中，所述的利用扩充后的建筑平面图数据集对改进后的沙漏网络进行训练的方法为： 首先利用卷积神经网络CNN对扩充后的建筑平面图进行特征提取； 提取后特征进入编码器进行处理，所述编码器包括四层网络，每层网络包括最大池化层和多个残差模块，每层网络的编码过程可以用以下公式表示： ； 其中，表示第层网络的编码特征，是最大池化层处理，是第层的残差模块处理； 经编码器处理后的特征通过最大池化进入瓶颈层，瓶颈层由5个残差模块构成： 经瓶颈层处理后的特征进入解码器，解码器与编码器一一对应，采用跳跃连接，将对应的编码器层次的特征图与上采样后的特征图相加融合，解码器中每个层次的解码过程为： ； 其中，表示第层的解码特征；表示编码特征的跳跃连接变换，是上采样操作，是第层的残差块处理； 解码后的特征进入多尺度模块进行处理，多尺度模块处理后对特征进行输出处理，得到输出： ； 其中，是解码后的解码特征，是对输出进行的处理操作，是最后的输出结果； 将输出结果Out进行划分，得到一组热图，两个分割图、，并将热图归一化到[0,1]区间，其中是Sigmoid函数： ； 通过热图得到热图回归损失函数，通过分割图得到分割损失函数，多任务损失函数由二者加权得到： ； 热图回归损失函数负责训练热图回归器，目的是确定墙连接点和开口端点位置： ； 其中，表示热图回归损失函数样本编号，代表的是真实的点的位置信息；是模型预测出来的点的位置信息；是第一不确定性参数；表示取对数运算； 分割损失函数用于分割任务，把平面图中的不同区域划分出来： ； 其中，表示分割损失函数样本编号，是真实的分割标签，代表每个区域实际所属的类别，是模型预测的分割结果，是第二不确定性参数，是激活函数，、分别是房间样本、图标样本。

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中国铁路设计集团有限公司，其通讯地址为：300450 天津市滨海新区自贸试验区(空港经济区)东七道109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”。