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)申请的专利一种基于街景图像多模态信息的建筑物分类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：CN116958698B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310953601.3，技术领域涉及：G06V10/764；该发明授权一种基于街景图像多模态信息的建筑物分类方法是由田盼盼;方芳;李圣文;康家宁;刘洋设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于街景图像多模态信息的建筑物分类方法在说明书摘要公布了：本发明公开了一种基于街景图像多模态信息的建筑物分类方法，所述方法基于SVI全局视觉信息、局部视觉信息、招牌文本等多种模态信息，采用图神经网络实现多模态信息推理，实现城市建筑物单体功能自动分类。该方法首先通过招牌文本知识图谱获取文本信息，然后对文本信息和局部视觉进行多模态推理，最后融合全局视觉信息实现建筑物功能分类。本发明通过构建招牌文本知识图谱和多模态推理图，融合SVI多模态信息，克服现有技术中对SVI蕴含信息利用不充分的问题。对SVI多模态信息的充分利用和有效融合使得建筑物分类的精度得到了有效提升。

本发明授权一种基于街景图像多模态信息的建筑物分类方法在权利要求书中公布了：1.一种基于街景图像多模态信息的建筑物分类方法，其特征在于：包括以下步骤： S1：获取SVI全局视觉特征、SVI局部视觉特征、视觉位置数据、招牌文本信息、文本位置数据和建筑物类别文本特征； 步骤S1具体为： S11:将SVI输入至预训练的ResNet152网络，获取全局视觉特征向量； S12：将SVI输入至预训练的FasterR-CNN网络，获取局部视觉特征和局部视觉位置数据； S13：将SVI输入至PaddleOCR基础模型进行招牌文本提取，获得招牌文本数据和招牌文本位置数据； S14：将不同的建筑物类别输入预训练的Fasttext基础模型，得到每个建筑物类别文本特征； S2：对所述招牌文本信息进行分类，获取招牌概念文本数据，将所述招牌概念文本数据输入预训练的自然语言模型，提取所述招牌概念文本数据的概念文本特征；将所述建筑物类别文本特征和概念文本特征输入知识图卷积神经网络，获得SVI文本特征； S3：将所述视觉位置数据和文本位置数据输入全连接层网络，获得视觉位置特征向量和文本位置特征向量； S4：将所述SVI局部视觉特征、视觉位置特征向量、SVI文本特征和文本位置特征向量输入待训练的多模态推理图卷积神经网络，经过多层图卷积层对多种模态特征进行推理融合，获得多模态推理特征； S5：将所述多模态推理特征和所述SVI全局视觉特征组合后，输出至分类器进行分类，获得建筑物分类结果。

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。