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！

龙图腾网获悉北京理工大学;自然资源部第一海洋研究所;山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心)申请的专利基于ECAM-ResUNet2的互花米草遥感图像跨域语义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：CN116664844B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310724665.6，技术领域涉及：G06V10/26；该发明授权基于ECAM-ResUNet2的互花米草遥感图像跨域语义分割方法是由李伟;赵伯禹;王建步;张蒙蒙;高晨;姜向阳;刘丽娟;马元庆;秦华伟设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本基于ECAM-ResUNet2的互花米草遥感图像跨域语义分割方法在说明书摘要公布了：本发明公开了一种基于ECAM‑ResUNet2的互花米草遥感图像跨域分割方法，包括构建高效卷积注意力模块ECAM；以ResUNet模型为基本网络架构，构建ResUNet2模型，将ResUNet2上下文语义信息输入到ECAM模块中，构建ECAM‑ResUNet2网络模型；根据待预测地域和训练地域分别划分成目标域和源域，对源域的遥感图像数据进行图像裁剪和图像增强；将所述源域数据和目标域数据作为训练样本对ECAM‑ResUNet2进行训练，得到训练好的ECAM‑ResUNet2模型；将训练好的所述ECAM‑ResUNet2模型对待预测地域的遥感图像进行分类。报发明基于语义分割和跨域对齐的思想，能够应用于遥感图像中入侵物种互花米草分布情况的预测，且能同时保证在不同时相与不同场景的遥感图像中互花米草的预测精度较高。

本发明授权基于ECAM-ResUNet2的互花米草遥感图像跨域语义分割方法在权利要求书中公布了：1.基于ECAM-ResUNet2的互花米草遥感图像跨域语义分割方法，其特征在于，包括以下步骤： S1：构建高效卷积注意力模块ECAM； 包括如下子步骤： 步骤1.1：构建特征结合模块，输入是ResUNet2的特征拼接的两个特征图，将这两个特征图对应元素相加，得到合成特征图； 步骤1.2：构建卷积注意力模块；通道注意力机制和空间注意力机制的结合，通过通道注意力机制，将网络的关注点放在遥感图像中互花米草凸显的近红外波段，同时利用空间注意力机制，网络关注互花米草所在区域的分割； 步骤1.3：构建高效卷积注意力模块，有两个输入，一个输入是步骤1.1特征结合模块得到的合成特征图，一个输入是同层下采样层的特征，同时输入到步骤1.2的卷积注意力模块； S2：以ResUNet模型为基本网络架构，构建ResUNet2模型；将ResUNet2上下文语义信息输入到ECAM模块中，构建ECAM-ResUNet2网络模型； 步骤2.1：采用初始网络模型为ResUNet2，以ResUNet为基础，将原本的4个编码-解码的结构缩减成了2个编码-解码结构，其中编码结构包含两个卷积操作、两个批归一化操作和两个激活操作，除了网络最深处的编码结构外都包含一个下采样操作；编码结构还采用残差结构提取遥感影像的特征； 步骤2.2：构建ECAM-ResUNet2网络，解码结构除了由一系列的上采样操作、卷积、批归一化、激活操作组成，还添加了ECAM模块，同时利用连接操作来组合ECAM模块的输出和其相同尺寸的解码器特征，并使用上采样操作恢复影像细节； S3：根据待预测地域和训练地域分别划分成目标域和源域，对源域的遥感图像数据进行图像裁剪和图像增强； S4：将所述源域数据和目标域数据作为训练样本对ECAM-ResUNet2进行训练，得到训练好的ECAM-ResUNet2模型； S5：将训练好的所述ECAM-ResUNet2模型对待预测地域的遥感图像进行分类。

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北京理工大学;自然资源部第一海洋研究所;山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心)，其通讯地址为：100081 北京市海淀区中关村南大街5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。