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！

龙图腾网获悉电子科技大学申请的专利一种基于多尺度和边缘感知的轻量级地物分类网络模型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：CN116935094B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202310588686.X，技术领域涉及：G06V20/70；该发明授权一种基于多尺度和边缘感知的轻量级地物分类网络模型是由罗欣;宋依芸;赖广龄;金宇伟;郑进军;许文波;陈奋;冷庚设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本一种基于多尺度和边缘感知的轻量级地物分类网络模型在说明书摘要公布了：本发明公开了一种基于多尺度和边缘感知的轻量级地物分类网络模型，旨在解决解决深度学习在遥感图像地物分类中推理速度慢的问题。该方法以编码器‑解码器为架构，在编码器阶段，该模型使用兼顾特征提取效果的轻量级分类网络ResNet‑18作为骨干网提取图像特征。在解码器阶段，该方法充分利用了低分辨率特征图的语义信息和高分辨率特征图的空间信息。同时，还通过边缘感知的损失函数来辅助监督语义分割主任务学习。通过这种方式，该模型不仅可以充分利用图像的语义、空间和边缘信息，还可以规避其在推理时速度慢、内存占用高的缺点，也较好地平衡了模型的识别精度与推理效率能够满足遥感影像地物实时分类的任务需求。

本发明授权一种基于多尺度和边缘感知的轻量级地物分类网络模型在权利要求书中公布了：1.一种基于多尺度和边缘感知的轻量级地物分类网络模型，其特征在于，包括以下步骤： 步骤1：输入图像通过轻量级网络ResNet-18网络进行特征提取，得到特征图X1、X2、X3、X4以及经过全局平均池化层后的特征图X5； 步骤2：特征图X3、X4和X5通过语义信息强化模块形成含丰富的语义信息特征图Y3； 步骤2.1：将特征图X4和X5，通过特征融合模块，具体地，将特征图X5的分辨率上采样至与特征图X4同等大小后通过两个具有具有批标准化层BatchNormalization，BN和ReLU函数的3×3卷积层，得到新的特征图Y4； 步骤2.2：将特征图X3和Y4，通过特征融合模块后得到含丰富的语义信息特征图Y3； 步骤3：特征图X2与Y3通过空间特征细化模块得到细化后的特征图Y2； 步骤3.1：将特征图X2通过空间注意力机制模块对其进行特征细化，得到X2 ’； 步骤3.2：将具有丰富语义信息的特征图Y3上采样至与特征细化后的特征图X2 ’同等维度，与X2 ’进行点乘，再通过一个具有BN和ReLU函数的3×3卷积层，得到新的特征图F1； 步骤3.3：与此同时，特征图X2 ’通过一个具有BN和ReLU函数的3×3卷积层与特征图Y3进行点乘后再通过一个具有BN和ReLU函数的3×3卷积层，得到新的特征图F2； 步骤3.4：将F2、F1通过特征融合模块，得到最终融合后的特征图Y2； 步骤4：特征图X1与Y2通过边缘感知注意力模块，利用边缘检测的损失函数来辅助语义分割的损失函数进行训练，最终提取到图像的语义分割图像； 步骤4.1：将特征图X1与包含语义信息的特征图Y4进行特征融合来形成边缘流Et； 步骤4.2：将步骤2中输出的特征图Y2设为语义流St； 步骤4.3：语义流St首先通过双线性插值将其上采样至边缘流同等维度，然后进行张量的对应元素相加，得到组合流Ft； 步骤4.4：语义流St首先通过双线性插值将其上采样至边缘流同等维度，然后进行张量的对应元素相加，得到组合流Ft； 步骤4.5：随后组合流Ft通过门控注意力机制，其中，首先通过全局平均池化层和1×1的卷积层，接着，该模块使用Sigmoid函数将输出限制在[0,1]范围内； 步骤4.6：最后，通过通道注意力机制后使用两个具有BN和ReLU的3×3卷积层来细化特征，利用边缘感知的损失函数来辅助主任务语义分割的任务，最终得到地物分类结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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”。