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！

龙图腾网获悉南京航空航天大学申请的专利基于多源数据注意力特征融合的典型地物目标分割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：CN119131374B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202410723395.1，技术领域涉及：G06V10/26；该发明授权基于多源数据注意力特征融合的典型地物目标分割方法是由郭倩;刘馨宇;毕辉设计研发完成，并于2024-06-05向国家知识产权局提交的专利申请。

本基于多源数据注意力特征融合的典型地物目标分割方法在说明书摘要公布了：本发明公开了一种基于多源数据注意力特征融合的典型地物目标分割方法，包括步骤如下：1获取包含高分辨率光学图像、SAR图像和对应的语义标签图像的数据集，并进行预处理；2构建基于多源数据注意力特征融合的典型地物目标分割模型，实现典型地物目标语义分割；3将步骤1获取的预处理后数据集作为步骤2构建的模型的输入，基于加权的交叉熵损失函数训练模型，实现基于多源数据的典型地物目标分割。本发明综合考虑SAR与光学数据对于不同地物目标的观测优势，提出了一种基于注意力机制的自适应融合算法，更好地结合光学图像和SAR图像各自的优势特征，从而在地物分类领域实现更好的语义分割效果。

本发明授权基于多源数据注意力特征融合的典型地物目标分割方法在权利要求书中公布了：1.一种基于多源数据注意力特征融合的典型地物目标分割方法，其特征在于，包括以下步骤： 1获取包含高分辨率光学图像、SAR图像和对应的语义标签图像的数据集，将数据集划分为训练集、验证集和测试集，并进行数据预处理； 2构建基于多源数据注意力特征融合的典型地物目标分割模型，实现典型地物目标语义分割；所述模型包括编码器和解码器；所述编码器包括数据先验特征构建与引导模块、特征提取骨干网络与多模态交叉注意力融合模块； 3将步骤1获取的预处理后数据集作为步骤2构建的模型的输入，基于加权的交叉熵损失函数训练并优化模型参数，实现基于多源数据的典型地物目标分割； 步骤2所述多模态交叉注意力融合模块实现过程如下： 将特征提取骨干网络分别对光学图像和SAR图像进行特征提取得到的两类图像的高维特征和低维特征分别作为输入，通过交叉注意力机制能同时考虑光学和SAR两个域的特征数据信息并计算其注意力权重；首先通过输入矩阵X获得查询向量Q、键向量K、值向量V，公式如下： {Q,K,V}＝{XWQ,XWK,XWV}然后对Q、K矩阵点乘后除以并经过归一化处理，公式如下： 式中，Q、K、V为输入矩阵经过线性映射后所得矩阵，dk为K矩阵维度，B为可学习的相关位置编码，Softmax为激活函数，将输入的实数向量转换为概率分布向量； 将不同源的查询向量Q、键向量K、值向量V交叉计算关联性，获得注意力机制加权值，多模态交叉注意力融合模块计算公式如下： Z1＝LNMCAQ1,K2,V2+Q1Z2＝LNMCAQ2,K1,V1+Q2式中，X1为光学输入的嵌入表示；X2为SAR输入的嵌入表示；分别是光学输入和SAR输入对应于查询向量Q1、Q2，键向量K1、K2，值向量V1、V2的权重矩阵； MCA表示多头交叉注意力模块；LN表示层正则化，即对单个样本的所有特征作归一化； 将Z1与Z2卷积，得到光SAR融合后的高维特征和低维特征，首先将低维特征和先验特征连接获得连接后的低维特征，再将高维特征和先验特征连接，并通过空洞空间金字塔池化ASPP获得连接后的高维特征，最后将连接后的高、低维特征串联作为解码器的输入。

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南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29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”。

以上内容由龙图腾AI智能生成。