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！

龙图腾网获悉广州大学申请的专利一种基于深度学习的固废填埋场遥感影像的自动识别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：CN119942327B 。

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：202510010736.5，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的固废填埋场遥感影像的自动识别方法是由袁红平;吕银婷;许俊丽;王德毅设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本一种基于深度学习的固废填埋场遥感影像的自动识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的固废填埋场遥感影像的自动识别方法，涉及计算机视觉，收集固废填埋场遥感图像数据；将所述固废填埋场遥感图像数据融合进数据集RSD46‑WHU中，构建新的数据集RSSCD47‑GU；构建基于VIT模型改进的GSFF‑VIT模型，通过所述GSFF‑VIT模型以及多个深度学习模型分别对数据集RSSCD47‑GU进行训练和测试，以获取混淆矩阵，根据所述混淆矩阵计算每一模型的识别指标；根据所述混淆矩阵和识别指标对各模型进行对比分析，判断所述GSFF‑VIT模型的有效性。本发明解决了填埋场识别过程中特征提取困难和低效的问题，同时模型能够快速适用于其他地区的填埋场识别，提高了固废填埋场识别的准确性。

本发明授权一种基于深度学习的固废填埋场遥感影像的自动识别方法在权利要求书中公布了：1.一种基于深度学习的固废填埋场遥感影像的自动识别方法，其特征在于，该方法包括以下步骤： 步骤一、收集固废填埋场遥感图像数据； 步骤二、将所述固废填埋场遥感图像数据融合进数据集RSD46-WHU中，构建新的数据集RSSCD47-GU； 步骤三、构建基于VIT模型改进的GSFF-VIT模型，通过所述GSFF-VIT模型以及多个深度学习模型分别对数据集RSSCD47-GU进行训练和测试，以获取混淆矩阵，根据所述混淆矩阵计算每一模型的识别指标； 步骤四、根据所述混淆矩阵和识别指标对各模型进行对比分析，判断所述GSFF-VIT模型的有效性； 所述GSFF-VIT模型的构建步骤为： 步骤1：以所述数据集RSSCD47-GU中的图像作为输入图像x，将所述输入图像x分割成P个小块，每个所述小块的尺寸为，然后将其映射到D维的特征空间，获得块特征图像；其中，H和W分别是输入图像x的高度和宽度； 步骤2：添加一个类别令牌到所述块特征图像的开始位置，获得新的块特征图像； 步骤3：为所述新的块特征图像中的每个小块以及类别令牌添加位置嵌入； 步骤4：对所述新的块特征图像的图像令牌的位置嵌入进行上采样，以匹配新的特征形状； 步骤5：将采样后的新的块特征图像的图像令牌的位置嵌入与新的块特征图像的类别令牌进行拼接，获得张量； 步骤6：构建一个bottleneck结构对所述张量的信息进行融合； 步骤7：将信息融合后的所述张量添加到新的块特征图像中，获得块特征图像； 步骤8：对所述块特征图像进行退出操作，得到图像特征； 步骤9：通过L层的Transformer块处理图像特征，得到L个Transformer块的输出； 步骤10：对最后一层的Transformer块的输出进行LayerNorm归一化，得到归一化后的图像特征x final； 步骤11：提取所述归一化后的图像特征x final的类别令牌的特征x class，根据所述特征x class对输入图像x进行分类。

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广州大学，其通讯地址为：511400 广东省广州市大学城外环西路230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。