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！

龙图腾网恭喜交通运输部公路科学研究所申请的专利基于多阶段注意力深度学习的风险道路场景识别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：CN114049532B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202111309230.2，技术领域涉及：G06V10/774；该发明授权基于多阶段注意力深度学习的风险道路场景识别方法是由魏鑫磊;刘应吉;周炜;夏海英设计研发完成，并于2021-11-06向国家知识产权局提交的专利申请。

本基于多阶段注意力深度学习的风险道路场景识别方法在说明书摘要公布了：本发明公开了一种基于多阶段注意力深度学习的风险道路场景识别方法，其中该方法包括提出基于多阶段注意力机制深度卷积神经网络的风险道路场景识别模型结构，通过构建风险道路场景数据集，利用迁移学习构建基于多阶段注意力机制深度卷积神经网络的风险道路场景识别模型；实时采集车辆前进方向的场景图像数据，利用构建的模型可以自动计算风险道路场景的类别似然值，通过求最大似然值确定场景的类别，可以有效判定车辆行驶经过的风险场景类型，从而提升行驶车辆的风险防控水平。

本发明授权基于多阶段注意力深度学习的风险道路场景识别方法在权利要求书中公布了：1.一种基于多阶段注意力深度学习的风险道路场景识别方法，包括如下步骤：1在汽车行驶过程中，摄像头实时采集车辆前方图像，利用视频解码器将所述图像转化为数字图像信息，2利用线性差值法将所述步骤1采集的所述数字图像信息变换为尺寸299×299×3的三维张量，3建立多阶段注意力机制的深度卷积神经网络，利用样本对该网络进行训练，得到风险道路场景识别模型，4将步骤2变换得到的所述三维张量输入到步骤3训练好的所述风险道路场景识别模型，得到公路弯道、公路桥梁、公路隧道、公路坡道、公路邻水和邻崖公路6个场景类型的识别似然值，5取识别似然值最大的那个类别，即为识别出的场景类别；其中，所述多阶段注意力机制的深度卷积神经网络由输入层、卷积网络，残差网络和全连接层，依次连接组成，在所述卷积网络和残差网络中分别加入注意力网络；所述卷积网络是由三个卷积块顺序连接而成，其中三个卷积块的卷积核大小分别是3×3、3×3和2×2，三个卷积块的激活函数都是PReLU函数，其中c是通道，xc是图像的特征，ac是参数，三个卷积块都采用批量标准化；且所述卷积网络中的注意力网络是在三个卷积块之后依次连接通道注意力网络、空间注意力网络，之后又连接二维空间衰减层SpatialDropout2D和卷积核大小是1×1、激活函数是PReLU的卷积层，其中，通过将所述注意力网络的输出和所述三个卷积块的输出进行相加，得到的输出结果再顺序输入到所述二维空间衰减层SpatialDropout2D和卷积核大小是1×1、激活函数是PReLU的卷积层作为注意力机制输出特征的过滤；所述残差网络包括7层顺序连接的残差网络结构，其中前6层的残差网络结构是：每一层残差网络的输入和输出进行叠加，输入到最大池化层MaxPooling2D中，如此重复6次形成前6层残差网络结构，第7层的残差网络结构是将注意力网络的输出和第7层残差网络的输出叠加之后输入到全局最大值池化层，输出值再输入到全连接层，生成6维向量后再采用批标准化获取特征，然后采用随机衰减算法选择60％的神经元的输出组成特征向量，最后采用softmax函数作为分类器，x是全连接层的输出特征，θ是分类器参数通过训练取得，通过取6个softmax函数的值得到6个类的分类似然值，然后取似然值最大值的类别为该样本的最终的分类结果。

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交通运输部公路科学研究所，其通讯地址为：100088 北京市海淀区西土城路8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”。