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！

龙图腾网获悉中国自然资源航空物探遥感中心申请的专利一种基于多支路卷积注意力模型的光学影像图像分割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：CN120259330B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510318946.0，技术领域涉及：G06T7/10；该发明授权一种基于多支路卷积注意力模型的光学影像图像分割方法是由张智轩;窦菀欣;王宁;杨永鹏;徐蕾;张加洪;范景辉;任秋华设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种基于多支路卷积注意力模型的光学影像图像分割方法在说明书摘要公布了：本发明提供了一种基于多支路卷积注意力模型的光学影像图像分割方法，其1定义与实例化数据集；2可视化输入数据；3定义与实例化多支路卷积注意力网络模型；4训练多支路卷积注意力网络模型。本发明提出的多支路卷积注意力模型通过卷积和Transfomer并行的模块，并且在每个卷积模块中增加了直接的跳跃连接，同时引入了一种引入了融合模块，代替常见的拼接操作，其可以有效融合两条支路所提取的全局信息和局部信息，并对其进行过滤，只保留其中有意义的部分，提高模型效率；多支路卷积注意力模型能更好地保留高层次的语义信息，同时结合低层次的细节信息，得到更精确的分割结果。

本发明授权一种基于多支路卷积注意力模型的光学影像图像分割方法在权利要求书中公布了：1.一种基于多支路卷积注意力模型的光学影像图像分割方法，其特征在于，包括以下步骤： （1）定义与实例化CSWV数据集； （2）可视化输入数据； （3）定义与实例化多支路卷积注意力网络模型；具体过程为： （3.1）多分支模块采用支路并行结构，作为多支路卷积注意力网络模型的主干网络，其中支路包含卷积分支，即引入了残差结构的两层3×3的卷积,每层卷积之后还经过一次批归一化BN和ReLU激活函数s，最终经过残差结构，获得卷积分支输出的特征图x c ： ； ； ； 另一支路：Transformer分支，与所述卷积分支并行，Transformer分支采用一种轻量化VisionTransformer架构：EdgeVisionTransformers中的Transformer块，通过引入一种基于自注意力和卷积相结合的优化结构，即高效的“局部-全局-局部”信息交互瓶颈来实现；由此多分支模块利用卷积分支来提取图像数据中的局部特征，利用Transformer分支来把握图像数据中的全局特征；所述“局部-全局-局部”信息交互瓶颈实现的具体过程为： （3.1.1）局部聚合 使用有效的深度卷积从相邻特征进行局部信息聚集； （3.1.2）全局稀疏注意力 通过自注意力形成一个稀疏的均匀分布的代表特征集，用于远程信息交换，由此获得更新的信息； （3.1.3）局部传播 通过转置卷积将更新的信息从代表特征扩散到局部邻域中的非代表特征； （3.1.4）最终获得Transformer分支输出的特征图X out ： ； ； ； ； 其中，FFN表示双层感知器，Norm表示层归一化操作; （3.2）使用多支路卷积注意力网络模型的融合模块替代将多个特征通道在通道维度上进行简单拼接，用于整合卷积分支与Transformer分支的不同特征；在所述融合模块中，DO-Conv用于替代传统的Conv卷积操作； 融合模块整合卷积分支与Transformer分支的不同特征具体过程为：首先，高层特征被上采样到与低层特征相同的尺度大小，然后分别使用两个卷积核大小为1×3和3×1的卷积对所述二者进行过滤和特征提取；接着，应用批量归一化和激活函数GELU进行进一步处理；随后，将两个分支的信息进行拼接，再次通过两个卷积核大小为1×3和3×1的卷积对所述拼接后的特征进行筛选和过滤，建立互补关系，获得提取的多层次融合特征X F ；在所述多支路卷积注意力网络的解码端，高层特征的类别信息能指导低层特征分类，低层特征的位置信息则补充了高层特征的空间信息； 融合模块的计算过程如下： ； ； ； ； 其中，X in1 和X in2 分别表示融合模块的两个输入，Y out 表示融合模块的输出；DOConv 3×1 表示卷积核大小为n×m的DO-Conv，Up表示双线性插值2倍上采样操作，Concat表示基于通道维度上的拼接操作，BN和G分别表示批归一化和非线性激活函数GELU；GELU的计算公式如下： ； 接下来，在多支路卷积注意力网络模型的DE解码器的实现中，首先对提取的多层次融合特征XF进行上采样操作，使特征图XF的空间分辨率逐步提升到更高的层级，获得上采样后的特征图X FU ；随后，分别将每层的X FU 与当前层的X F 合并，通过拼接操作生成新的特征表示X FC ；接着，将X FC 与来自更高层次的特征X F+1 共同输入到融合模块中处理； 最终，融合后的特征传递给一个分类器即多支路卷积注意力网络模型的classfilier模块，进行最终的预测；分类器将最高层的DE解码器输出的特征图通道数压缩为类别数3，是每个像素点的分类概率，公式为： ； （4）训练多支路卷积注意力网络模型。

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中国自然资源航空物探遥感中心，其通讯地址为：100000 北京市海淀区学院路29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”。