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！

龙图腾网获悉浙江理工大学申请的专利一种基于全局注意力机制优化的多尺度Res2RAFT粒子图像测速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：CN119716136B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202411816519.7，技术领域涉及：G01P5/20；该发明授权一种基于全局注意力机制优化的多尺度Res2RAFT粒子图像测速方法是由周志宇;温景淇设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于全局注意力机制优化的多尺度Res2RAFT粒子图像测速方法在说明书摘要公布了：本发明涉及粒子图像测速PIV领域，具体涉及一种基于全局注意力机制优化的多尺度Res2RAFT粒子图像测速方法。旨在解决现有光流网络在复杂流场中对细粒度位移场预测不足的问题，特别是在多尺度涡旋和湍流流场中的应用。通过设计具有多尺度特征提取与全局信息交互的光流估计结构，Res2RAFT能够更精确地捕捉复杂流场中的细微流动特征，提升PIV任务中的流场预测精度和适应性。本发明提出的Res2RAFT粒子图像测速方法，克服了传统PIV方法在处理水下复杂流场时的不足，通过精细的多尺度特征提取和全局注意力机制，实现了对流场的高分辨率位移场预测，具有广泛的应用前景。

本发明授权一种基于全局注意力机制优化的多尺度Res2RAFT粒子图像测速方法在权利要求书中公布了：1.一种基于全局注意力机制优化的多尺度Res2RAFT粒子图像测速方法,其特征在于，包括以下步骤： S1、获取PIV数据集以及数据预处理： 所述PIV数据集中的每个数据样本包括连续两帧的粒子图像以及该粒子图像对应的粒子真实速度； S2、构建粒子图像测速模型，所述粒子图像测速模型基于RAFT光流网络，所述RAFT光流网络包括特征提取网络、上下文网络、全对相关性层、GRU递归更新模块； 将RAFT光流网络的特征提取网络和上下文网络均替换为Res2Encoder网络，得到粒子图像测速模型; 所述Res2Encoder网络依次包括：卷积层一、RA-Bottle2neck模块、RB-Bottle2neck模块、RA-Bottle2neck模块、RB-Bottle2neck模块、RA-Bottle2neck模块、RB-Bottle2neck模块、卷积层二； 所述卷积层一使用一个7×7的卷积层来生成64通道的初始特征图； 所述卷积层二使用一个1×1卷积生成128通道的输出特征图； 所述RA-Bottle2neck模块是基于Bottle2neck结构的带有残差学习的瓶颈结构，用于下采样以保持多尺度信息，在每个残差块中引入了多尺度的特征处理方式，将Res2Encoder模块的输入特征映射划分为个子集，如以下公式，每个子集独立进行卷积操作，在若干个尺度上提取特征，以增加特征空间的多样性： ； 对于第一个子集，不进行卷积操作，直接保留原始输入作为输出；第二个子集经过一个标准的3×3卷积操作后得到输出；从第三个子集开始，卷积操作不仅依赖于该组输入，还会结合前一组的输出，即，从而逐层融合来自不同尺度的信息；逐层累积和递归的特征提取方式继续进行，直到最后一个子集的处理完成； RB-Bottle2neck模块是基于Bottle2neck结构的带有全局注意力机制的瓶颈结构，用于保持分辨率；RB-Bottle2neck模块在RA-Bottle2neck模块的基础上添加了一个全局注意力机制GAM，所述全局注意力机制GAM添加在RA-Bottle2neck模块的最后一层之后；且RB-Bottle2neck模块中的所述全局注意力机制GAM包括通道注意力和空间注意力模块，利用通道和空间维度的交互，使所述粒子图像测速模型专注于连续两帧中的粒子流动信息； S3、构建损失函数，通过监督学习的方式，使用步骤S1中所述PIV数据集对粒子图像测速模型进行模型训练。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市下沙高教园区浙江理工大学计算机科学与技术学院；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。