買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京信息工程大學申請的專利基于多尺度損失函數的改進型U-Net云圖分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114998373B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210671342.0，技術領域涉及：G06T7/11；該發明授權基于多尺度損失函數的改進型U-Net云圖分割方法是由吉茹;張銀勝;楊宇龍;周樂佳;徐文校;呂宗奎;付相為設計研發完成，并于2022-06-15向國家知識產權局提交的專利申請。

本基于多尺度損失函數的改進型U-Net云圖分割方法在說明書摘要公布了：本發明公開了基于多尺度損失函數的改進型U?Net云圖分割方法，包括以下步驟：1獲取全天空圖像分割數據庫，對全天空圖像分割數據庫包含的云圖以及與其對應的二值標簽進行預處理獲得數據集；2利用改變卷積方式、添加高效通道注意力機制、修改歸一化、添加多尺度特征融合的方法構建改進U?Net框架；3結合Dice損失函數、交叉熵損失函數、邊界損失函數和Log_Cosh損失函數的優點，提出改進的復合損失函數；4將步驟1得到的數據集輸入改進型U?Net模型進行訓練、測試，獲得最佳參數模型，輸出預測效果圖。本發明使得云圖分割準確率更高、泛化效果更好，具有非常重要的研究和應用價值。

本發明授權基于多尺度損失函數的改進型U-Net云圖分割方法在權利要求書中公布了：1.基于多尺度損失函數的改進型U-Net云圖分割方法，其特征在于，包括以下步驟：1獲取全天空圖像分割數據庫，對全天空圖像分割數據庫包含的云圖以及與其對應的二值標簽進行預處理獲得數據集；2利用改變卷積方式、添加高效通道注意力機制、修改歸一化和添加多尺度特征融合的方法構建改進型U-Net模型；所述步驟2的具體過程如下：2.1利用改變卷積方式的方法改進U-Net具體為：以U-Net分割模型為基礎，將編碼部分中前兩層和第三層的第一個卷積換成可變形卷積；2.2利用添加高效通道注意力機制的方法改進U-Net具體為：以2.1模型為基礎，在編碼部分前三層輸出的特征圖后添加通道注意力機制，編碼部分輸出的特征圖經過高效通道注意力機制生成一維注意力向量后，與原特征圖進行對應元素相乘，得到加權后的特征圖，特征圖大小不變，對前三層加權后的特征圖進行下采樣操作，將前三層加權后的特征圖與解碼部分的特征圖進行拼接操作；2.3利用修改歸一化的方法改進U-Net具體為：以2.2模型為基礎，將WeightNormalization加在U-Net的卷積層和激活層中間，重寫深度網絡的權重，通過對網絡參數進行標準化實現歸一化操作；2.4利用添加多尺度特征融合的方法改進U-Net具體為：以2.3模型為基礎，對編碼部分最后一層輸出的特征圖和解碼部分每一層輸出的特征圖進行多尺度特征融合；3提出改進型U-Net模型的改進復合損失函數，表達式為：Limprove＝βLimprove2+1-βLB其中，LB表示邊界損失函數，邊界損失函數的公式如下： 其中，△S＝|S|-|S∩G|+|G|-|S∩G|，S為預測結果邊界上的像素點，G為真實標簽邊界上的像素點，p為標簽邊界上的任一像素點，q為△S內的任一像素點，DGq為兩個像素點之間的距離；β初始值設置為1，每一輪訓練減小0.01；Limprove2為結合Dice損失函數和交叉熵損失函數的函數，表達式為：Limprove2＝αLimprove1+1-αLCE其中α為超參數，LCE為交叉熵損失函數，公式如下： 其中，N為特征圖中像素點的個數，pi∈[0,1]為模型預測的分割圖中第i個像素點的值，gi∈{0,1}為二值標簽中第i個像素點的值；Limprove1為結合Dice損失函數與Log_Cosh損失函數的函數，表達式為：Limprove1＝logCoshLDice所述Log_Cosh損失函數的公式如下：LLog_Cosh＝logCoshx其中，LDice為Dice損失函數，表達式如下： 其中，A、B分別指模型預測結果與真實標簽結果，smooth是平滑因子；4將步驟1得到的數據集輸入改進型U-Net模型進行訓練、測試，獲得最佳參數模型，輸出預測效果圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：210044 江蘇省南京市江北新區寧六路219號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。