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！

龙图腾网获悉北京城建设计发展集团股份有限公司申请的专利面向轨道交通工程视频图像的空域自监督学习方法和系统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：CN120783177B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510767788.7，技术领域涉及：G06V10/82；该发明授权面向轨道交通工程视频图像的空域自监督学习方法和系统是由夏秀江;王臣;唐明明;闫海生;王亚利;罗正高;史沛尧;刘淼;孙志伟;祝建勋;张波设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本面向轨道交通工程视频图像的空域自监督学习方法和系统在说明书摘要公布了：本发明公开了一种面向轨道交通工程视频图像的空域自监督学习方法及系统，方法包括：完成视频图像预处理；将图像分块后以预设步长和窗口大小生成空间缩减窗口集合SRW，对各窗口中图块进行混合采用并记录掩码位置；从采样后的图块中抽取预设比例图块随机添加退化特征；采用含图块切分、线性嵌入、多尺度特征融合等模块的多尺度滑动变换器为编码器，通过多尺度特征融合模块将模型多尺度的特征提取问题转为在不同深度的通道特征自注意力融合问题实现多尺度特征提取，经像素重组和MAE解码器恢复分辨率并重建图像，结合重建损失和跨图块损失，用随机梯度下降优化器完成训练。让模型在无额外监督的情况下学习到潜在的安全隐患特征。

本发明授权面向轨道交通工程视频图像的空域自监督学习方法和系统在权利要求书中公布了：1.一种面向轨道交通工程视频图像的空域自监督学习方法，其特征在于，包括： S1.通过视频图像预处理完成包括去除损坏数据、数据去冗余、图像通道调整、分辨率调整以及噪声去除在内的处理步骤； S2.先将图像分块，再以预设步长和窗口大小生成空间缩减窗口，并构建全部空间缩减窗口集合SRW；对于集合SRW，对其中每个空间缩减窗口进行包括随机采样、动态采样在内的混合采样策略处理；所述随机采样为对于集合SRW，对其中每个空间缩减窗口随机丢弃预设比例的小图块，同时记录丢弃图块的位置，称为掩码；所述动态采样为通过预训练模型提取特征图，根据特征指标保留所需图块并记录掩码位置； S3.从经过采样处理后的图块中抽取预设比例的图块，随机添加包括噪声退化、模糊退化、降低对比度以及色彩失真在内的至少一种退化特征，以模拟真实场景的噪声干扰情况； S4.将包括图块切分模块、线性嵌入模块、图块合并模块、多尺度特征融合模块以及SwinTransformerBlock块在内的多尺度滑动变换器作为编码器，其通过多尺度特征融合模块将模型多尺度的特征提取问题转为在不同深度的通道特征自注意力融合问题实现多尺度特征提取；通过基于像素重组和MAE解码器的解码结构恢复图像分辨率并重建图像；再通过随机梯度下降优化器结合重建损失和跨图块损失对参数进行优化以完成训练； 所述S4的具体步骤为： 编码器的输入为三维张量，其中为高度和宽度，为通道数； 通过图块切分模块分割为不重叠的像素块，每个块视为一个token，具体过程如下： ， 其中，表示分块大小；表示分块后的单块通道维度，每个小图块被展开为一维向量时的长度；为维度重塑操作，将原始图像的张量形状重新排列，不改变数据本身，仅调整组织形式； 通过线性嵌入模块将每个的特征维度映射为： ， 其中，为通过图块切分模块分块后的图块特征张量；为权重矩阵；为偏置向量；为目标通道数，是模型设计的超参数；为输入特征的通道维度与的输出特征一致； 通过图块合并模块将对相邻的个patch进行特征合并与降维：将个在通道维度拼接： ， 式中，X表示输入特征图张量；表示窗口左上角的空间坐标；表示窗口大小，控制提取的图块数量；表示窗口内的相对偏移量；表示窗口内的单个图块；通过拼接后其通道数扩展为； 再通过线性变换将拼接后的高维通道压缩为： ， 式中，为降维系数；表示线性变换，其权重为，偏置为。

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北京城建设计发展集团股份有限公司，其通讯地址为：100000 北京市西城区阜成门北大街五号；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。