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！

龍圖騰網恭喜西安理工大學申請的專利基于通道注意力與金字塔卷積融合的語義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：CN114155371B 。

龍圖騰網通過國家知識產權局官網在2025-05-30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：202111361747.6，技術領域涉及：G06V10/26；該發明授權基于通道注意力與金字塔卷積融合的語義分割方法是由鄭元林;劉春霞;廖開陽;陳兵;丁天淇;黃港;謝雨林;張新會;鐘崇軍;李宏錦;解博設計研發完成，并于2021-11-17向國家知識產權局提交的專利申請。

本基于通道注意力與金字塔卷積融合的語義分割方法在說明書摘要公布了：本發明公開了基于通道注意力與金字塔卷積融合的語義分割方法，具體為：步驟1，將數據庫中的訓練圖像輸入到ResNet50網絡中，提取圖像的特征；步驟2，在步驟1中的ResNet50網絡的最后一層添加金字塔卷積模塊，分別捕獲局部特征與全局特征；步驟3，將步驟2獲取的局部特征和全局特征進行融合，獲取融合的特征信息；步驟4，將步驟3獲取的融合的特征信息輸入到通道注意力模塊中，獲取加強特征圖；步驟5，將步驟3獲取的融合的特征與步驟4獲得的加強特征圖進行融合；步驟6，將步驟5融合后的特征進行上采樣得到分割圖像。本發明解決了現有分割方法精確度低的問題。

本發明授權基于通道注意力與金字塔卷積融合的語義分割方法在權利要求書中公布了：1.基于通道注意力與金字塔卷積融合的語義分割方法，其特征在于，具體按照以下步驟實施：步驟1，將數據庫中的訓練圖像輸入到ResNet50網絡中，提取圖像的特征；步驟2，在步驟1中的ResNet50網絡的最后一層添加金字塔卷積模塊，分別捕獲局部特征與全局特征；步驟2的具體過程為：步驟2.1，在ResNet50網絡的最后一層添加金字塔卷積局部特征提取模塊，捕獲局部特征；步驟2.1.1，將步驟1中提取圖像的特征通過1*1的卷積使維數降到512維；步驟2.1.2，將步驟2.1.1降維的特征分成不同的組數分別按照卷積核為9*9、7*7、5*5、3*3的尺寸進行卷積；步驟2.1.3，將步驟2.1.2卷積處理的特征進行卷積核為1*1的尺寸進行卷積，得到局部特征；步驟2.2，在ResNet50網絡的最后一層添加金字塔卷積的全局特征提取模塊，捕獲全局特征；步驟2.2.1，采用自適應平均池化將步驟1中提取圖像的特征的尺寸減少至9*9；步驟2.2.2，將步驟2.2.1減小后的特征通過1*1的卷積將特征映射降到512維；步驟2.2.3，將步驟2.2.2降維的特征分成不同的組數分別按照卷積核為9*9、7*7、5*5、3*3的尺寸進行卷積；步驟2.2.4，將步驟2.2.3卷積處理的特征進行卷積核為1*1的尺寸進行卷積，得到全局特征；步驟3，將步驟2獲取的局部特征和全局特征進行融合，獲取融合的特征信息；步驟4，將步驟3獲取的融合的特征信息輸入到通道注意力模塊中，獲取加強特征圖；步驟4的具體過程為：步驟4.1，將步驟3獲取的融合的特征信息輸入到通道注意力模塊，獲取通道注意力圖，即影響每個通道的相對因子，表達式為： （5）式（5）中，表示第i個通道對第j個通道的影響，表示第i個通道的特征圖，表示第j個通道的特征圖；步驟4.2，通過步驟4.1得到的通道注意力圖與步驟1提取圖像的特征，計算得到加強特征圖； （6）式（6）中，表示第i個通道對第j個通道的影響，表示第i個通道的特征圖，表示第j個通道的特征圖，為權重因子，初始化為0；步驟5，將步驟3獲取的融合的特征與步驟4獲得的加強特征圖進行融合；步驟5中融合方式為： （7）式（7）中，為步驟3中融合的特征信息，為步驟4中加強特征圖；步驟6，將步驟5融合后的特征進行上采樣得到分割圖像。

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西安理工大學，其通訊地址為：710048 陜西省西安市碑林區金花南路5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”。