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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利基于多模态数据的叶状陡坎识别方法、装置及电子设备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：CN121527556B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610050894.8，技术领域涉及：G06V10/77；该发明授权基于多模态数据的叶状陡坎识别方法、装置及电子设备是由李熙健;彭嫚;邸凯昌;谢彬;刘斌设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本基于多模态数据的叶状陡坎识别方法、装置及电子设备在说明书摘要公布了：本发明提供一种基于多模态数据的叶状陡坎识别方法、装置及电子设备，属于人工智能技术领域，方法包括：将正射影像和深度数据构建的多模态输入数据输入叶状陡坎识别模型，得到二值分割图像；叶状陡坎识别模型的编码器包括高低频特征提取层和高频特征处理层；高低频特征提取层基于多模态输入数据提取低频特征图和高频特征图；高频特征处理层对高频特征图进行多尺度融合处理得到多尺度融合高频特征图；解码器对低频特征图和多尺度融合高频特征图进行空间上下文感知处理和注意力增强融合处理，得到二值分割图像。本发明针对叶状陡坎特征微弱、形态多样的特点设计模型结构，以更好关注线性、微弱的边缘特征，实现叶状陡坎自动提取和识别。

本发明授权基于多模态数据的叶状陡坎识别方法、装置及电子设备在权利要求书中公布了：1.一种基于多模态数据的叶状陡坎识别方法，其特征在于，包括： 基于待识别叶状陡坎的正射影像和深度数据，构建多模态输入数据； 将所述多模态输入数据，输入至预训练的叶状陡坎识别模型，得到所述叶状陡坎识别模型输出的所述待识别叶状陡坎的二值分割图像； 所述叶状陡坎识别模型包括编码器和解码器；所述编码器包括高低频特征提取层和高频特征处理层； 所述高低频特征提取层，用于基于所述多模态输入数据，提取所述待识别叶状陡坎的低频特征图和高频特征图； 所述高频特征处理层，用于对所述高频特征图进行多尺度融合处理，得到多尺度融合高频特征图； 所述解码器，用于对所述低频特征图和所述多尺度融合高频特征图进行空间上下文感知处理和注意力增强融合处理，得到所述二值分割图像； 其中，所述高频特征处理层包括依次连接的多尺度并行分支层和拼接降维层；所述多尺度并行分支层包括并行的卷积层、并行空洞卷积层和自适应池化层；所述并行空洞卷积层包括并行的、扩张率互不相同的至少两个空洞卷积层；所述卷积层，用于对所述高频特征图进行卷积操作，得到第一尺度高频特征图；所述空洞卷积层，用于对所述高频特征图进行空洞卷积操作，得到第二尺度高频特征图；所述自适应池化层，用于对所述高频特征图进行自适应池化操作，得到第三尺度高频特征图；所述拼接降维层，用于对所述第一尺度高频特征图、至少两个所述第二尺度高频特征图和所述第三尺度高频特征图依次进行拼接、融合和降维操作，得到所述多尺度融合高频特征图； 所述高低频特征提取层包括初始特征提取层和主干网络；所述初始特征提取层，用于基于所述多模态输入数据，提取所述待识别叶状陡坎的初始特征图；所述主干网络包括依次连接的第一特征提取层、第二特征提取层、第三特征提取层和第四特征提取层；所述第一特征提取层，用于基于所述初始特征图，提取所述待识别叶状陡坎的所述低频特征图；所述第四特征提取层，用于基于所述第四特征提取层的输入特征图，得到所述待识别叶状陡坎的所述高频特征图；所述第一特征提取层的瓶颈块数量等于所述第四特征提取层的瓶颈块数量；所述第一特征提取层的瓶颈块数量小于所述第二特征提取层的瓶颈块数量；所述第二特征提取层的瓶颈块数量小于所述第三特征提取层的瓶颈块数量； 所述解码器包括依次连接的高低频特征融合层、空间上下文感知模块、高效空间通道注意力模块和输出层；所述高低频特征融合层，用于对所述低频特征图和所述多尺度融合高频特征图进行初步融合处理，得到高低频初步融合特征图；所述空间上下文感知模块，用于对所述高低频初步融合特征图进行跨通道和跨空间的上下文感知处理，得到上下文感知特征图；所述高效空间通道注意力模块，用于对所述上下文感知特征图进行注意力增强融合处理，得到融合通道注意力和空间注意力的注意力增强融合特征图；所述输出层，用于对所述注意力增强融合特征图依次进行降维操作和双线性上采样操作，得到所述二值分割图像；所述二值分割图像的空间分辨率与所述正射影像的空间分辨率相同； 所述上下文感知特征图是对跨通道上下文信息和跨空间上下文信息进行逐像素相乘得到的；所述跨通道上下文信息是对全局整合信息和值向量进行矩阵相乘得到的；所述跨空间上下文信息是对所述值向量、查询向量和键向量进行矩阵相乘得到的；所述全局整合信息是对所述高低频初步融合特征图进行全局信息整合得到的；所述值向量是对所述高低频初步融合特征图进行线性变换操作得到的；所述查询向量和所述键向量是对所述高低频初步融合特征图进行向量层数简化处理得到的。

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科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9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。