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！

龙图腾网获悉西安电子科技大学申请的专利一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法、系统、设备及介质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：CN116206214B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310218039.X，技术领域涉及：G06V20/13；该发明授权一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法、系统、设备及介质是由李卫斌;孔玉辉;安炳贞;王蓉芳;刘若辰;尚保卫设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法、系统、设备及介质在说明书摘要公布了：一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法、系统、设备及介质，方法包括：对遥感影像进行预处理，获取滑坡遥感影像数据集；搭建Ournetworkframework网络模型；对Ournetworkframework网络模型进行迭代训练，最终保存训练效果最好轮次的权重；对训练好的网络模型进行预测，评价网络的好坏；使用深度学习框架随机生成一个张量，将其送入Ournetworkframework网络模型中，计算FLOPs、参数量、以及模型推理时间；其系统、设备及介质，用于实现种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法；本发明的网络模型是将卷积神经网络的优势和自注意力机制的优势结合起来，创建出轻量化网络模型，在降低模型复杂度的同时，滑坡识别的准确率也以提升。

本发明授权一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法、系统、设备及介质在权利要求书中公布了：1.一种基于轻量化卷积神经网络和双注意力的自动识别滑坡方法，其特征在于：包括以下步骤： 步骤1：对遥感影像进行预处理，获取滑坡遥感影像数据集； 步骤2：搭建Ournetworkframework网络模型； 所述步骤2的具体方法为： 步骤2.1：利用深度学习框架分别构建Fused-MBConv模块、MBConv模块以及PDC模块； 所述Fused-MBConv模块包括一个3*3升维卷积以及一个1*1降维卷积，将Fused-MBConv模块的特征输入与特征输出进行跳跃连接；MBConv模块包括一个1*1升维卷积、一个3*3深度可分离卷积、一个SE注意力机制以及一个1*1降维卷积，将MBConv模块的特征输入与特征输出进行跳跃连接；PDC模块由1*1卷积、PatchEmded模块、双注意力机制、特征转换操作以及1*1卷积组成，并将输入特征图与最终输出特征图进行shortcut链接，使用PatchEmbed模块调整特征图通道的大小，并将特征图展平为适合DualAttentionBlock的特征向量； 步骤2.2：对步骤2.1构建的Fused-MBConv模块、MBConv模块以及PDC模块进行融合； 首先构建一个1*1的标准卷积层，将其输出特征图送入步长为1的Fused-MBConv模块中，该次使用不进行升维，Fused-MBConv模块循环两次，将其输出特征送入步长为2的Fused-MBConv模块中，进行是输入特征通道数4倍的升维，循环4次，将其输出特征送入步长为2的Fused-MBConv模块，进行是输入特征通道数4倍的升维，将其输出特征送入步长为2的MBConv模块，进行是输入特征通道数4倍的升维，循环2次，将其输出特征送入步长为1的PDC模块，循环2次，将其输出特征送入步长为2的MBConv模块，进行是输入特征通道数4倍的升维，循环3次，将其输出特征送入步长为1的PDC模块，循环3次，最终送入一个1*1卷积中，进行池化操作以及进行全连接操作，得到一个二分类的结果，完成网络模型构建； 步骤3：对Ournetworkframework网络模型进行迭代训练，最终保存训练效果最好轮次的权重； 步骤4：对步骤3训练好的网络模型进行预测，分别使用准确率Accuracy、平衡F分数F1、召回率Recall、精确率Precision作为评判网络性能的评价指标，评价网络的好坏； 步骤5：使用深度学习框架随机生成一个张量，将其送入到步骤2得到的Ournetworkframework网络模型中，计算FLOPs、参数量、以及模型推理时间，所述FLOPs代表用来衡量模型的复杂度。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。