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！

龙图腾网获悉南宁桂电电子科技研究院有限公司;桂林电子科技大学申请的专利一种基于深度Transformer模型的粒子图像测速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：CN119810476B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411856340.4，技术领域涉及：G06V10/62；该发明授权一种基于深度Transformer模型的粒子图像测速方法是由朱海东;李宁;马壮壮;刘帅;王莹莹设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于深度Transformer模型的粒子图像测速方法在说明书摘要公布了：本发明公开了一种基于深度Transformer模型的粒子图像测速方法，该方法首先对粒子图像进行预处理，包括数据归一化和噪声去除，以增强模型的泛化能力；接着，设计了一种新颖的特征融合策略，将深度Transformer模型中的多头自注意力机制与位置感知前馈网络相结合，以实现对粒子图像的多尺度和多维度特征提取；此外，还提出了一种基于梯度累积的优化算法，以加速模型的收敛速度并提高训练效率。通过在多个公开的PIV数据集上进行的实验验证，本发明的方法在速度场测量精度、收敛速度和模型鲁棒性方面均优于现有的主流测速方法，显示出其在粒子图像测速领域的广阔应用前景。

本发明授权一种基于深度Transformer模型的粒子图像测速方法在权利要求书中公布了：1.一种基于深度Transformer模型的粒子图像测速方法，其特征在于，包括以下步骤： 1数据预处理：首先，对粒子图像数据执行归一化处理，通过最小-最大规范化或Z分数规范化方法，将不同时间点的像素值缩放到统一的范围或分布，以消除不同时间点间的量纲差异，确保后续处理步骤中数据的一致性，此外，还对粒子图像数据进行噪声分析，并采用滤波器减少图像噪声，来提高特征提取的质量；然后对预处理后的粒子图像数据进行标注，再将标注好的粒子图像数据随机分成训练集、验证集和测试集； 2特征提取：在归一化和去噪后，利用深度Transformer模型中的多头自注意力机制对粒子图像数据进行特征提取，该机制通过并行处理多个头的注意力，能够同时捕获不同尺度和不同位置的依赖关系，提取出反映粒子运动特性的全局特征和局部特征； 3特征融合：特征提取后，通过一个融合层对全局特征和局部特征进行整合，融合层包括1x1卷积操作或深度可分离卷积，用于调整特征通道的维度，并通过加权平均或特征加权和的方式，增强特征的表达能力； 4位移预测：设计一个位移预测器，用于基于融合后的特征进行最终的位移预测，位移预测器将特征映射到预定的速度场，实现粒子图像测速任务的完成，然后再执行后处理； 5模型优化：使用标注好的粒子图像数据对模型进行训练，在训练过程中，采用反向传播算法结合梯度下降或其变体来优化模型参数，通过定义损失函数，监控模型在训练集上的性能，并采用早停、正则化策略防止过拟合，确保模型具有良好的泛化能力； 对模型进行训练，采用了动量项或自适应学习率调整策略的优化算法，具体包括如下： 5.1动量项的使用：动量项通过在梯度下降过程中加入前一步梯度的累积，帮助模型更快地收敛并避免陷入局部极小值，动量项的更新公式表示为： ； ； 其中，是第t步的模型参数；是学习率；是动量超参数；是损失函数对模型参数的梯度；是累积梯度； 5.2自适应学习率调整策略：自适应学习率调整策略通过根据参数的历史梯度动态调整学习率，提高训练效率，自适应学习率优化算法包括Adam和RMSprop，Adam优化器的更新公式表示为： ； ； ； ； ； 其中，是第t步的模型参数；是学习率；和分别是梯度和梯度平方的衰减率；是一个10−8到10−6之间的常数，用于防止除零错误；和分别是偏置修正后的梯度和梯度平方的移动平均值。

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宁桂电电子科技研究院有限公司;桂林电子科技大学，其通讯地址为：530033 广西壮族自治区南宁市江南区沙井大道56号南宁华南城一期物流区2号广场A栋第五层A区；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。