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！

龙图腾网获悉华南理工大学申请的专利一种跨通道注意力融合的水表读数区域检测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：CN116895005B 。

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：202310764742.0，技术领域涉及：G06V10/80；该发明授权一种跨通道注意力融合的水表读数区域检测方法是由高学;谢洪健设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种跨通道注意力融合的水表读数区域检测方法在说明书摘要公布了：本发明公开了一种跨通道注意力融合的水表读数区域检测方法，包括采集并标注包含有水表表盘的图片；对图片进行数据处理和数据增强；构建水表读数区域检测网络，所述水表读数区域检测网络包括特征提取网络、跨通道注意力融合网络及二阶段特征细化网络；计算损失并反向传播训练水表读数区域检测网络；将待检测水表图片输入到经过训练后的水表读数区域检测网络中进行测试，输出带有检测框的图片，检测框内包含水表字轮读数以及水表指针读数。本发明提出的跨通道融合注意力模块和特征细化模块改善了特征提取效果，能较好地适应水表图像检测需求，以较小的运算量达到较好的检测性能，从而提高实际生产过程中算法的运算速度。

本发明授权一种跨通道注意力融合的水表读数区域检测方法在权利要求书中公布了：1.一种跨通道注意力融合的水表读数区域检测方法，其特征在于，包括： 采集并标注包含有水表表盘的图片； 对图片进行数据处理和数据增强； 构建水表读数区域检测网络，所述水表读数区域检测网络包括特征提取网络、跨通道注意力融合网络及二阶段特征细化网络； 计算损失，使用反向传播训练水表读数区域检测网络； 将待检测水表图片输入到经过训练后的水表读数区域检测网络中进行测试，输出带有检测框的图片，检测框内包含水表字轮读数以及水表指针读数； 所述特征提取网络，具体包括： 使用加入可变形卷积模块DCN的ResNet50，输入图片，经过下采样，最后一个阶段输出特征张量维度的输出特征图片； 所述跨通道注意力融合网络，具体为： 输入经过特征提取后的张量，所述张量维度为C*H*W，C表示通道数，H表示特征图的高，W表示特征图的宽； 采用分支结构得到最终输出张量，具体为： 所述分支结构包括第一分支、第二分支及第三分支； 所述第一分支，是通道C和宽W通过permute操作交换维度，经过全局平均池化层，然后经过3个3*3卷积块，再经过sigmoid激活函数与第一分支的输入相乘，最后经过permute转换为通道*宽*高的维度特征； 所述第二分支，是将通道C和高H通过permute操作交换维度，经过全局平均池化层，然后经过3个3*3卷积模块，每一个3*3卷积模块具体是：首先经过3*3卷积核，再经过ReLU函数，然后经过batchNormalization归一化，再经过sigmoid激活函数与输入相乘，最后经过permute转换为通道*宽*高的维度； 所述第三分支，是将经过全局平均池化，然后经过两个1*1卷积层，使用sigmoid处理后与该分支的输入相乘，最后经过permute.view操作，变为C*H*W， 将三个分支的输出相加，并取平均，得到最终输出张量； 所述二阶段特征细化网络，具体为： 第一阶段：将特征提取网络输出的特征张量进行上采样，上采样率与特征提取过程中的下采样对应，将相同尺度的上采样输出特征和下采样输出特征相加，得到新特征； 设某一尺度新特征为C*H*W，C表示通道数，H表示特征图的高，W表示特征图，输入下述两个分支处理： 一个分支，使用全局平均池化，输出张量为C*1*1，经过1*1卷积层，输出张量大小为C2*1*1，经过ReLU函数，输出张量维度为C2*1*1； 另一个分支，使用3*3的膨胀卷积层，输出张量为C*H-2*W-2，再经过1*1卷积层，输出张量大小数为C2*1*1，经过ReLU函数，输出张量维度为C2*1*1； 将两个分支进行连接，按通道进行cat操作，得到输出特征，记为F1； 第二阶段：将第一阶段的输出特征经过与第一阶段相同倍率的下采样，然后再进行相同倍率的上采样，将相同尺度的上采样输出特征和下采样输出的特征相加add得到新的特征，记为F2； 将F1和F2相加得到二阶段特征细化网络的输出。

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华南理工大学，其通讯地址为：511458 广东省广州市南沙区环市大道南路25号华工大广州产研院；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。