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！

龙图腾网获悉武汉大学申请的专利基于地形特征的Mask2Former滑坡识别方法及装置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：CN119963993B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510019258.4，技术领域涉及：G06V20/10；该发明授权基于地形特征的Mask2Former滑坡识别方法及装置是由李典庆;聂韬文;刘勇;刘丹钰设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于地形特征的Mask2Former滑坡识别方法及装置在说明书摘要公布了：本发明公开了一种基于地形特征的Mask2Former滑坡识别方法及装置，提出了一种基于改进后的Mask2Former所建立的考虑地形特征的深度学习滑坡识别方法，可以计算滑坡识别的不确定性，并致力于解决研究区域河流河道等物体对于滑坡识别准确性所造成的影响。该方法包括：收集并转化相关地形特征数据；将地形特征与遥感影像融合；对处理后的遥感影像进行切割、旋转以及数据增强操作；标注滑坡样本并将标签转化为json；将相关数据输入改进的Mask2Former模型进行训练；选择API指数最高的训练模型，将其运用于滑坡识别；对识别掩膜进行自动提取，获得识别结果，并自动计算识别区域的不确定性及识别评价指标。

本发明授权基于地形特征的Mask2Former滑坡识别方法及装置在权利要求书中公布了：1.一种基于地形特征的Mask2Former滑坡识别方法，其特征在于，包括： S1：收集带有滑坡区域的遥感数据以及对应像素的高程数据；对带有滑坡区域的遥感数据进行预处理，将高程数据自动转化为地形特征数据，将得到的地形特征数据与预处理后的遥感影像融合，得到多通道影像； S2：对得到的多通道影像进行切割、旋转与增强处理； S3：对增强后的多通道影像进行标注，构建图像识别训练集及测试集，对标签以步骤S2相同的方式进行切割和旋转处理，并将标签符号转化为json文件； S4：构建改进后的滑坡识别模型，其中，改进后的滑坡识别模型在backbone数据提取中增加针对地形特征数据提取的通道；更改transformer处理多通道数据的层数，并修改模型的损失函数，使得模型在训练过程中考虑地形特征图像的像素；修改模型的特征提取部分，使得训练后的模型能够应用于多通道图的识别，其中，改进后的滑坡识别模型的主干网络采用改进的Mask2Former模型，包括多通道像素解码器、多通道Swin-Transformer解码器和特征提取部分，特征提取部分为基于ResNet50的模型，其中，多通道像素解码器采用特征金字塔FPN架构，将任意大小的单尺度图像作为输入，并以完全卷积的方式在多个级别输出相应比例大小的特征图，多通道Swin-Transformer解码器使用屏蔽注意力来提高滑坡识别精度，将解码器的注意力限制在每个对象的前景区域，基于ResNet50的模型能够处理多通道数据； S5：将图像识别训练集的图片以及处理后的标签对应的json文件输入改进后的滑坡识别模型进行训练，并自动计算图像识别精度相关指标； S6：选择滑坡识别精度指标总体最高的模型应用于测试集的滑坡识别。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。

以上内容由龙图腾AI智能生成。