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！

龙图腾网获悉南京长望可祯智能科技有限公司申请的专利用于识别震后坍塌建筑物的图像分析方法及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：CN120766131B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202510848292.2，技术领域涉及：G06V20/10；该发明授权用于识别震后坍塌建筑物的图像分析方法及系统是由王超;王水璋;薛晓刚;任梦文设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本用于识别震后坍塌建筑物的图像分析方法及系统在说明书摘要公布了：本发明公开了用于识别震后坍塌建筑物的图像分析方法及系统，属于图像分析技术领域。首先，根据UNet++网络、全局上下文增强模块GCEM以及动态特征交互模块DFIM构建识别网络；其次，将震后光学影像同时输入全局上下文增强模块GCEM和UNet++网络；全局上下文增强模块GCEM通过卷积层提取特征图，经多尺度语义标记器MST生成语义标记集合，再通过Transformer编码器和解码器进行全局建模，输出全局特征图；UNet++网络通过编码器下采样和解码器逐级融合操作，输出局部特征图；最后，将全局特征图与局部特征图输入动态特征交互模块DFIM，通过自适应权重调整实现多尺度特征融合，生成坍塌建筑物识别结果。

本发明授权用于识别震后坍塌建筑物的图像分析方法及系统在权利要求书中公布了：1.用于识别震后坍塌建筑物的图像分析方法，其特征在于：该方法包括： S1、构建识别网络，包含UNet++网络、全局上下文增强模块GCEM以及动态特征交互模块DFIM； 全局上下文增强模块GCEM包括多尺度语义标记器MST、Transformer编码器和解码器； 多尺度语义标记器MST用于对卷积层提取的特征图进行多尺度注意力计算，生成多尺度语义标记集合；具体包括上下两个部分； 上半部分将输入特征图重塑为向量形式；卷积层提取特征，将输入张量X从H，W，C重塑为H，W，C；其中，H、W、C分别代表图像高度、宽度和通道数； 下半部分则通过多尺度注意力模块在初始阶段生成多尺度空间注意力图； 首先，通过1×1、3×3和5×5的卷积核提取多尺度特征，采用平均池化、最大池化强化特征表达：； 其中，表示第i个强化特征，AP和MP分布表示平均池化和最大池化，表示卷积核大小为的卷积运算；其中，； 采用函数ReLU与sigmoid两个全连接层生成注意力权重矩阵，，为全连接层；将多尺度特征与对应权重图相乘，得到多尺度注意力特征； 其次，通过整合不同尺度注意力特征来得到特征，再通过空间注意模块补充特征得到多尺度注意图；借助多尺度注意图，对X中每个像素的加权平均和进行计算，运用逐点卷积运算得出多尺度语义图； 最后，通过Softmax操作，将所得结果与上半部分获取的标记集合相乘，得到多尺度语义标记集合；具体公式如下： ； 其中，表示特征向量，代表空间注意力模块，为具备自主学习特性的逐点卷积层，表示Softmax操作； S2、将震后光学影像同时输入全局上下文增强模块GCEM和UNet++网络； 全局上下文增强模块GCEM通过卷积层提取特征图，经多尺度语义标记器MST生成语义标记集合，再通过Transformer编码器和解码器进行全局建模，输出全局特征图； UNet++网络通过编码器下采样和解码器逐级融合操作，输出局部特征图； S3、将全局特征图与局部特征图输入动态特征交互模块DFIM，通过权重调整实现多尺度特征融合，生成坍塌建筑物识别结果； 动态特征交互模块DFIM执行以下操作： 首先，将全局特征图和局部特征图输入动态特征交互模块DFIM中，通过3×3卷积层对全局特征图和局部特征图进行变换，并采用残差连接和ReLU激活函数；具体表示为： ； ； 其中，代表全局特征，代表局部特征，表示卷积核大小为3×3的卷积运算； 其次，拼接变换后的全局特征与局部特征，经1×1卷积生成注意力得分；通过Softmax函数计算全局特征和局部特征在不同维度上的注意力权重； 然后，分别将全局特征和局部特征与对应注意力权重进行逐元素相乘，得到全局特征的加权和局部特征的加权； 最后，将全局加权与局部加权进行逐元素相加从而得到输出结果。

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长望可祯智能科技有限公司，其通讯地址为：211599 江苏省南京市雄州街道王桥路59号A座206；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。