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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜長春理工大學申請的專利基于多尺度注意力機制的圖像語義分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115775316B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211471248.7，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)基于多尺度注意力機制的圖像語義分割方法是由王玉瑤;才華;付強;馬智勇;王偉剛;劉廣文;李英超設(shè)計研發(fā)完成，并于2022-11-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于多尺度注意力機制的圖像語義分割方法在說明書摘要公布了：基于多尺度注意力機制的圖像語義分割方法，屬于計算機視覺研究技術(shù)領(lǐng)域，設(shè)計圖像金字塔，用以捕捉圖像中存在的不同尺度的特征，大尺度圖像有利于捕獲小目標特征，小尺度圖像有利于捕獲大尺度特征；圖像金字塔中每個圖像并行的經(jīng)過分割網(wǎng)絡(luò)產(chǎn)生多個分割結(jié)果，使用自注意力機制將其融合，得到最后的預測圖；本發(fā)明可解決在復雜場景分割中，同一物體存在不同尺度導致分類困難，解決小尺度目標漏割，大尺度目標誤割，目標分割邊緣不清晰等問題。

本發(fā)明授權(quán)基于多尺度注意力機制的圖像語義分割方法在權(quán)利要求書中公布了：1.基于多尺度注意力機制的圖像語義分割方法，其特征是：包括以下步驟，且以下步驟順次進行，步驟一、將復雜場景圖像數(shù)據(jù)集分為訓練集、測試集以及驗證集，對訓練集的圖像及對應(yīng)的標簽數(shù)據(jù)進行預處理，獲得同一尺寸圖像；步驟二、構(gòu)建語義分割網(wǎng)絡(luò)模型，包括下采樣模塊、多尺度特征提取模塊、特征融合模塊、上采樣模塊以及自注意力模塊；將所述步驟一獲得圖像經(jīng)過高斯卷核生成不同分辨率的圖像，構(gòu)成圖像金字塔；步驟三、所述步驟二中獲得的圖像金字塔作為分割網(wǎng)絡(luò)的輸入，通過下采樣模塊獲得原圖14分辨率的特征圖，下采樣模塊的輸出信息分為兩路，其中一路作為多尺度特征提取模塊的輸入，另一路保持高分辨率的細粒度特征；步驟四、所述步驟三輸入至多尺度特征提取模塊的信息，經(jīng)由空間金字塔獲取多尺度語義信息，且在提取時加入雙重注意力，通過特征融合模塊獲得融合注意力的高級多尺度語義信息；步驟五、所述步驟四得到融合注意力的高級多尺度語義信息經(jīng)上采樣模塊與高分辨率特征融合，進行較小目標的分割，獲得優(yōu)化目標邊緣和細節(jié)的多尺度語義信息；步驟六、所述步驟五獲得的獲得優(yōu)化目標邊緣和細節(jié)的多尺度語義信息與所述步驟三獲得的另一路保持高分辨率的細粒度特征融合后的多個特征圖輸入自注意力模塊，計算多個特征圖彼此的自注意力，建立空間長距離的像素關(guān)系，獲得多個含有自注意力的特征圖；步驟七、將所述步驟六獲得的多個含有自注意力的特征圖經(jīng)解碼器再融合，生成分割結(jié)果圖；至此，基于多尺度注意力機制的圖像語義分割方法完成。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人長春理工大學，其通訊地址為：130000 吉林省長春市衛(wèi)星路7089號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。