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！

龙图腾网获悉湖北省地理国情监测中心申请的专利一种基于改进SwinUNet的农田和城市遥感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：CN119048753B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411086160.2，技术领域涉及：G06V10/26；该发明授权一种基于改进SwinUNet的农田和城市遥感图像分割方法是由何丽华;洪亮;於新国;于胜杰;吕世充;成亦铭;范志成;张文婷设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本一种基于改进SwinUNet的农田和城市遥感图像分割方法在说明书摘要公布了：本发明公开了一种基于改进SwinUNet的农田和城市遥感图像分割方法，包括以下步骤：步骤1：数据集准备，收集农田城市遥感图像公开数据集；步骤2：对数据集进行划分，将数据集准备的数据集划分为训练集和测试集，进行模型的训练和测试；本发明通过为了克服传统图像分割方法存在误报识别和边缘模糊的问题，在SwinUNet的瓶颈处增加DAC模块，在跳跃连接处新增了AG模块以增强特征图的关键信息，增强语义信息间的依赖关系，本发明设计了一种改进SwinUNet的农田和城市遥感图像分割方法ADSwinUNet，此模型在本数据集上与其他模型对比，具有更优异的性能表现。

本发明授权一种基于改进SwinUNet的农田和城市遥感图像分割方法在权利要求书中公布了：1.一种基于改进SwinUNet的农田和城市遥感图像分割方法，包括以下步骤： 步骤1：数据集准备，收集农田城市遥感图像公开数据集； 步骤2：对数据集进行划分，将数据集准备的数据集划分为训练集和测试集，进行模型的训练和测试； 步骤3：模型准备，设计一种基于改进SwinUNet的图像分割方法ADSwinUNet，此模型在目前主流的图像分割方法SwinUNet的基础上进行改进：在瓶颈处增加了多尺度特征融合卷积DAC模块和在跳跃连接处新增了注意力门控机制AG模块，其中： 、在编码器中，输入的高分辨率遥感图像划分为不重叠的4×4大小的图像补丁，通过这种划分方法，每个补丁的特征维数变为4×4×3=48；此外，将线性嵌入层应用于投影特征维数到任意维数表示为C，将分辨率为的C维标记化的token输入到两个连续的SwinTransformerBlocks中进行表示学习，其中特征维数和分辨率保持不变，同时，补丁合并层将减少token的数量，并将特征维增加到原始维度的两倍，此过程将在编码器中重复三次，补丁合并层输入补丁分为4个部分； 、在瓶颈处，引入DAC模块，使用CNN和MBConv后分别进行了和的下采样，其中表示使用CNN来进行第i层的下采样，表示用MBConv对相应的层进行下采样，然后，通过将通过权值加权求和，然后将获得的特征输入到SimAM中，使用二维卷积Conv2D对来自SimAM的这些特征进行下采样，DAC模块表示公式为：式中为拼接操作，表示为经DAC处理过的第i层特征图，初始化为1.0； 、在解码器部分，首先通过补丁扩展层对特征图进行上采样，将特征图恢复到原始图像的分辨率，解码器同样由多个SwinTransformer块和补丁扩展层组成，以第一个补丁扩展层为例，在上采样前，在输入特征上应用线性层，将特征尺寸增加到原始尺寸，然后，通过使用重新排列操作将输入特征的分辨率扩展到输入分辨率的2倍，并将特征维度降低到输入维度的四分之一即，通过后续的补丁扩展层，特征图的尺寸逐步恢复到原始输入图像的分辨率，在解码器每一阶段的上采样过程中，使用跳跃连接将编码器中对应层的特征与解码器中上采样后的特征进行融合，具体步骤为，将编码器输出的特征和解码器当前层的特征输入到AG模块中，AG机制通过计算编码器和解码器特征之间的相关性，自适应地学习并融合这两者的信息； 、通过上述步骤，解码器在每个阶段中不断地进行上采样，并通过跳跃连接将多尺度特征融合，最终将特征图恢复到与输入图像相同的分辨率； 步骤4：使用训练集对改进的SwinUNet模型进行训练，并且在测试集上验证评估该模型的性能。

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省地理国情监测中心，其通讯地址为：430000 湖北省武汉市武昌区中南一路50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。