基于梯度特征提取与多阶段融合的地图检测方法及系统

AITNT
正文
推荐专利
基于梯度特征提取与多阶段融合的地图检测方法及系统
申请号:CN202510384022
申请日期:2025-03-28
公开号:CN120526448A
公开日期:2025-08-22
类型:发明专利
摘要
本发明提出了基于梯度特征提取与多阶段融合的地图检测方法及系统,涉及深度学习和图像处理领域,针对的问题是:现有技术在应对复杂地图数据的细粒度结构、边界模糊和类别不均衡等问题时存在不足。该方法通过纯净梯度提取模块从地图中提取梯度信息和边缘细节;渐进式注意力融合模块和双层注意力机制,通过强调关键边界信息来增强特征表示;通过跨尺度融合编码器模块,对高层语义信息和高分辨率边缘细节特征进行多阶段增强和融合,从而提高模型的性能,显著增强了模型表示语义信息和捕捉边缘细节的能力。本发明解决了现有技术存在的问题,提高了模型预测能力和准确性,能够应对地图检测任务中的各种挑战。
技术关键词
融合特征 跨尺度特征融合 分层特征 归一化模块 局部细节特征 元素 特征提取模块 分支 编码器 注意力机制 阶段 图像 生成地图 多尺度卷积核 高层语义信息
系统为您推荐了相关专利信息
1
一种基于标签解耦和重构的长尾多标签医学图像识别方法
医学图像识别方法 图像识别模型 标签特征 多标签 图像训练样本
2
一种机场FOD双模态目标检测方法
双模态 固定式检测设备 深度特征融合 巡检车 深度图数据
3
骨性解剖结构分割方法、装置、设备、介质和产品
解剖结构分割 卷积神经网络模块 视频帧 解码模块 医学
4
一种电气设备多传感器故障特征融合诊断方法
融合诊断方法 故障特征 多传感器 电气设备 分层特征提取
5
基于图卷积神经网络与时间序列融合的电力负荷预测方法及装置
电力系统拓扑模型 节点特征 时间序列特征 电力负荷预测方法 深度神经网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号