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！

龙图腾网获悉中国地质大学(武汉)申请的专利联合轨迹位置和邻域结构监督的社区道路网提取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：CN115620140B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211310398.X，技术领域涉及：G06V20/10；该发明授权联合轨迹位置和邻域结构监督的社区道路网提取方法是由杨林;左泽均;魏婧;周顺平设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本联合轨迹位置和邻域结构监督的社区道路网提取方法在说明书摘要公布了：本发明提供一种联合轨迹位置和邻域结构监督的社区道路网提取方法，包括：基于第三方地图软件，采集多个社区区域的轨迹叠加建筑物足迹地图和建筑物道路地图；以轨迹叠加建筑物足迹地图作为样本，对应的建筑物道路地图作为标签生成输入目标图像对，基于输入目标图像对构建训练集和验证集；将验证集中的轨迹叠加建筑物足迹地图输入道路生成模型，道路生成模型输出对应的结果建筑物道路图像，道路生成模型是将训练集输入至MAC‑GAN生成式条件对抗网络进行训练得到的；将输出的多个结果建筑物道路图像进行滤波和拼接，得到完整社区道路网。在轨迹稀疏、缺失的情况下，通过建筑物足迹信息监督生成精度较高、接近真实的社区精细化道路。

本发明授权联合轨迹位置和邻域结构监督的社区道路网提取方法在权利要求书中公布了：1.一种联合轨迹位置和邻域结构监督的社区道路网提取方法，其特征在于，包括： 基于第三方地图软件，采集多个社区区域的轨迹叠加建筑物足迹地图和建筑物道路地图； 以所述轨迹叠加建筑物足迹地图作为样本，对应的建筑物道路地图作为标签生成输入目标图像对，基于所述输入目标图像对构建训练集和验证集； 将所述验证集中的轨迹叠加建筑物足迹地图输入道路生成模型，所述道路生成模型输出对应的结果建筑物道路图像，其中，所述道路生成模型是将所述训练集输入至MAC-GAN生成式条件对抗网络进行训练得到的； 将输出的多个结果建筑物道路图像进行滤波和拼接，得到完整社区道路网； MAC-GAN生成式条件对抗网络由生成器和鉴别器两部分构成，MAC-GAN生成式条件对抗网络训练过程中的损失函数由所述生成器和所述鉴别器的对抗损失和生成的结果建筑物道路图像和建筑物道路图像标签的重建损失构成； 所述生成器采用带有多尺度跳跃连接和自适应加权融合的通道注意块，以及集成了非对称卷积块的MACU-Net来配置； 所述鉴别器选用70×70感受野的PatchGAN配置； MAC-GAN模型具体结构构建如下： MAC-GAN主要由生成器G和鉴别器D两部分构建，方法使用带有多尺度跳跃连接和自适应加权融合的通道注意块，并集成了非对称卷积块ACB的MACU-Net来配置生成器，非对称卷积块使用3×3方形卷积、1×3卷积、3×1卷积等三个分支构建，多尺度上下文跳跃连接结构具体为：同级别编码器层的特征图直接连接；低层解码器层中包含的道路几何和拓扑信息通过转置卷积和ACB传递；包含在更高层的编码器层中的道路上下文语义信息，由最大池化层和ACB进行传输；通过多尺度跳跃连接五个相同大小和分辨率的特征图后，通道注意块CAB进一步减少通道数量，并重新排列通道特征，选用70×70感受野的PatchGAN配置MAC-GAN的判别器； MAC-GAN模型具体工作过程如下： MAC-GAN设计为接收256×256的条件图像作为输入，在每一次向前传递中，生成器通过充分捕捉输入图像特征，将输入转换为填充了道路数据的生成图像，鉴别器由马尔可夫鉴别器配置，生成图像、真实图像分别连接条件图像和输入图像后输入，经过卷积操作计算得到图像为真或假的概率。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。