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！

龙图腾网恭喜成都理工大学申请的专利基于自注意力模型和卷积神经网络的道路信息提取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：CN116452987B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202310244138.5，技术领域涉及：G06V20/13；该发明授权基于自注意力模型和卷积神经网络的道路信息提取方法是由陈喆;周仲礼;余正波;季青云;徐可;柳炳利;常睿春;魏友华;雷湘琦;何子琼;邢舒雯设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本基于自注意力模型和卷积神经网络的道路信息提取方法在说明书摘要公布了：本发明公开了一种基于自注意力模型和卷积神经网络的道路信息提取方法，包括以下步骤：步骤S1、选取遥感道路数据作为原始数据，并对原始数据进行预处理；步骤S2、采用道路分割模型的编码器对原始数据图像进行图像空间分辨率压缩和特征提取；步骤S3、基于道路分割模型的解码器生成像素连通性结构预测结果和道路分割结果；步骤S4、基于像素连通性结构预测结果反向推导得到与输入图像等分辨率的输出结果，并联合道路分割结果得到最终输出。本发明采用自注意力模型结构提取全局信息改善道路分割的支离破碎问题，采用卷积神经网络结构提取局部信息完善对道路边缘的分割效果，并能提升道路分割的连通性。

本发明授权基于自注意力模型和卷积神经网络的道路信息提取方法在权利要求书中公布了：1.基于自注意力模型和卷积神经网络的道路信息提取方法，其特征在于，包括以下步骤：步骤S1、选取遥感道路数据作为原始数据，并对原始数据进行预处理；步骤S2、采用道路分割模型的编码器对原始数据图像进行图像空间分辨率压缩和特征提取；其中，道路分割模型包括编码器和解码器，所述编码器包括图像划分模块、4个轻量自注意力结构及特征信息融合模块，所述图像划分模块用于输入经预处理后的原始数据图像信息，进行图像空间分辨率压缩和特征提取得到划分后的图像并输出至轻量自注意力结构；所述轻量自注意力结构引入缩放因子减少时间复杂度，引入空间缩减计算对输出维度进行压缩，所述轻量自注意力结构用于对图像划分模块输出图像进行图像特征提取，所述特征信息融合模块用于对4个轻量自注意力结构输出特征进行融合得到编码器的最终输出结果；步骤S3、基于道路分割模型的解码器生成像素连通性结构预测结果和道路分割结果；其中，所述解码器基于卷积神经网络实现并采用道路标签和像素连通性结构标签进行学习；步骤S4、基于像素连通性结构预测结果反向推导得到与输入图像等分辨率的输出结果，并联合道路分割结果得到最终输出；所述轻量自注意力结构引入缩放因子减少时间复杂度具体为：轻量自注意力结构引入缩放因子使轻量自注意力结构整体的时间复杂度从ON2降低到其中，r为缩放因子，ON2为自注意力结构的时间复杂度，为轻量化自注意力结构的时间复杂度，N＝H×W，H为图像的高度，W为图像的宽度；所述轻量自注意力结构引入空间缩减计算对输出维度进行压缩具体为：轻量自注意力结构引入空间缩减计算对QWjq和的维度进行压缩，其中，空间缩减计算公式为：SRx＝NormReshapex，r·W 其中，Q、K和V分别对应自注意力的输入，j为索引，x为输入，分别指Q、K、V，SRx为缩放x，AttentionQ，K，V为自注意力计算，SRQ为对Q进行缩放，T为转置，SRKT为缩放K再转置，Reshapex，r是将x的维度从HW×C转换为Norm表示标准化，Cr2为数值，为字矩阵的维度，第一个维度是Cr^2，第二个维度是C，C为类别数量，H为图像的高度，W为图像的宽度；所述步骤S3生成像素连通性结构预测结果包括：步骤S31、初始化像素间隔距离d；初始化像素连通性结构标签元素值均为0，形状为：8×H×W，其中，8代表当前像素点的8个方位数，H为图像的高度，W为图像的宽度；步骤S32、从左上角第一个像素起，按照从左到右，从上到下的原则，寻找当前像素点和距离为d的左上方位像素点，若都为道路目标像素，则当前像素点的标签记为1；步骤S33、重复步骤S32，遍历完左上、上、右上、左、右、左下、下及右下8个方向，得到8×H×W形状的像素连通性结构标签，分别代表8个方位的连通关系；其中，生成的像素连通性结构标签对应的像素点标签仅包含0和1，1表示存在连通现象，0表示不存在连通现象。

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成都理工大学，其通讯地址为：610000 四川省成都市二仙桥东三路1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”。