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！

龙图腾网获悉湖北工业大学申请的专利基于交叉注意引导特征对齐网络的道路裂缝检测方法和系统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：CN117197763B 。

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：202311154727.0，技术领域涉及：G06V20/56；该发明授权基于交叉注意引导特征对齐网络的道路裂缝检测方法和系统是由徐川;张琪;常秀丰;梅礼晔;孙少华;杨威;王颖;阳威;叶昭毅;张依铭设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本基于交叉注意引导特征对齐网络的道路裂缝检测方法和系统在说明书摘要公布了：本发明公开了基于交叉注意引导特征对齐网络的道路裂缝检测方法和系统。首先获取数据集，然后输入到道路裂缝自动化检测模型，输出得到裂缝检测结果；道路裂缝自动化检测模型包含编码阶段和解码阶段：编码阶段采用权重共享的协同网络对输入的裂缝图像进行下采样操作，提取丰富的多尺度特征信息，同时利用跨层交互模块促进特征的传递和特征的丰富性，以提高网络对不同层级特征的利用能力和语义信息的表示能力；解码阶段采用多尺度特征融合及特征对齐模块将来自不同层级或尺度的特征进行融合和对齐，以提高分割网络对细节和边界的感知能力，并改善分割结果的精度和准确性。本方法能够高效地进行多特征提取与融合，从而提高道路裂缝检测准确度。

本发明授权基于交叉注意引导特征对齐网络的道路裂缝检测方法和系统在权利要求书中公布了：1.一种基于交叉注意引导特征对齐网络的道路裂缝检测方法，其特征在于，包括以下步骤： 步骤1，采集道路裂缝图像作为数据集，并划分为训练集和测试集； 步骤2，构建由编码器和解码器组成的裂缝自动化检测模型，所述编码器包括权重共享的协同网络模块encoder1和encoder2，以及跨层交互模块，所述解码器包括多尺度特征融合模块以及特征对齐模块； 所述权重共享的协同网络encoder1和encoder2分别都拥有k个阶段，每个阶段包括多尺度图像块嵌入层和多头卷积自注意力层，输入裂缝图像，分别获取k个阶段的不同尺度特征图； 所述跨层交互模块首先对encoder1和encoder2中同一阶段的不同尺度特征图进行重塑和维度交换操作，然后对得到的张量进行归一化和全局平均池化的操作，最后利用自注意力机制提取更全面的裂缝特征语义信息； 步骤2中的跨层交互模块的具体实现包含以下子步骤； 221将特征形状分别为[B,C,H,W]、[B,2C,H,W]的输入特征矩阵分别进行形状调整操作，将它们从4D张量变成3D张量，并交换它们各自的第二和第三个维度，分别得到张量e，r；[B,C,H,W]代表的是encoder1中每一个阶段得到的特征图的统称，[B,2C,H,W]代表的是encoder2中每一个阶段得到的特征图的统称，encoder1和encoder相同阶段的特征图之间通道数之间是2倍的关系； 222对张量e和r同时进行归一化和全局平均池化的操作，得到长度均为1的特征向量，记为e_t、r_t； 223将e_t和r_t分别映射到对方的维度，并在第二个维度上插入一个长度为1的维度； 224将r和e_t，e和r_t分别在第二个维度上进行拼接，然后将拼接后的特征张量同时传入Transformer编码器中进行各自的跨注意力的计算，最后得到多个特征图，记为P1、P2、…、Pk； 所述多尺度特征融合模块采用重建与上采样块的双重渐进式融合策略，将提取到的含有丰富多尺度语义信息的特征进行融合； 所述特征对齐模块结合图像中的上下文信息，对多尺度特征融合模块的输出图像进行特征对齐操作，确保不同层级或分支特征之间的尺度和语义一致性； 步骤3，利用步骤1中的训练集对步骤2中的裂缝自动化检测模型进行训练，利用训练好的模型实现道路裂缝检测。

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湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28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”。