원래 이름 기록: 湖南中科助英智能科技研究院有限公司

本申请涉及一种面向路面缺陷检测的红外‑可见光双模态分层配准方法。所述方法包括：获取待配准的红外与可见光图像，分别输入物理属性解耦器的上下流通道。上流对红外图像做热辐射强度滤波得光强特征图，下流对可见光图像做梯度纹理提取得纹理特征图，二者经跨模态抑制门输出纯净特征。接着将纯净光强、纹理特征分别输入红外、可见光编码器，获各层特征。再依自适应分层加权机制，对双模态各层特征加权融合，得到加权特征。之后用动态区域聚类引擎对加权特征做投影、相似度计算与区域划分，确定关键配准锚点及去噪特征区域。最后借环境自适应补偿机制调节融合权重，结合目标优化函数约束精度，输出最终融合特征图。采用本方法能够达成微观细节与宏观结构的跨模态高精度对齐。

本申请涉及一种基于通道和空间的混合注意力机制的山体滑坡识别方法。所述方法包括：获取遥感影像数据，再构建含编码器、改进的跳跃连接与特征融合模块、混合注意力模块、解码器及输出层的山体滑坡识别模型。编码器对遥感图像逐层卷积下采样，输出各层特征；改进模块对其卷积归一化、拼接及加权融合，得到融合特征；融合阶段嵌入混合注意力模块，EMA生成通道权重并增强特征，PPA生成空间权重并增强特征，二者拼接卷积激活得最终增强特征。解码器接收后上采样融合，输出层经激活函数得滑坡分割结果；最后用预设损失函数训练模型，实现山体滑坡识别，可精准提取滑坡区域，缓解类别不平衡问题。