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！

龙图腾网获悉兰州大学申请的专利一种基于特征分离与重组的小样本图像语义分割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：CN116805368B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202310858480.4，技术领域涉及：G06V10/26；该发明授权一种基于特征分离与重组的小样本图像语义分割方法是由常兆斌;路永钢设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种基于特征分离与重组的小样本图像语义分割方法在说明书摘要公布了：本发明公开了一种基于特征分离与重组的小样本图像语义分割方法，包括步骤：特征提取，利用主干网络将支持图片和查询图片映射到深度特征空间；特征分离，将查询特征分离为等大小的伪目标前景特征和伪背景特征；特征重组，将支持分支和查询分支的背景特征进行语义重组；原型学习，利用全局平均池化生成前景和背景区域对应的特征原型；无参数度量，通过计算查询特征、支持特征和特征原型之间的相似度，指导查询图片和支持图片中的目标进行分割。本发明不仅可以实现查询特征的特征分离，还可以实现分离特征与支持特征的重组，提高了特征表达的可靠性，实现支持和查询双分支输入图片的语义分割，为自然场景、医学图像等领域的分割提供了一种新思路。

本发明授权一种基于特征分离与重组的小样本图像语义分割方法在权利要求书中公布了：1.一种基于特征分离与重组的小样本图像语义分割方法，其特征在于，包括步骤：S1，特征提取，利用主干网络将支持图片和查询图片映射到深度特征空间；S2，特征分离，利用支持图片的真实掩码将支持特征分离为支持目标前景特征和支持背景特征，将查询特征分离为等大小的伪目标前景特征和伪背景特征；S3，特征重组，通过建立支持目标前景特征自注意力、伪目标前景特征自注意力、支持目标前景特征自注意力和伪目标前景特征自注意力的交叉注意力，将支持分支和查询分支的目标前景特征进行语义重组，通过建立支持背景特征和查询伪背景特征的交叉注意力，将支持分支和查询分支的背景特征进行语义重组；S4，原型学习，在重组后的前景特征和背景特征图上利用全局平均池化生成前景和背景区域对应的特征原型,所述原型学习包括步骤：S41，在重组后的前景特征图上利用全局平均池化生成前景区域对应的特征原型，所述前景特征原型计算如公式5所示， S42：在重组后的背景特征图上利用全局平均池化生成背景区域对应的特征原型，所述背景特征原型计算如公式6所示， S43：将前景特征原型和背景特征原型拼接，获得原型集P＝{p_fg}∪{p_bg}；其中，p_fg表示前景特征原型；p_bg表示背景特征原型；K表示支持图片的总数；表示真值函数；Mk表示第k张支持图片对应的掩码；c表示第k张支持图片对应的类标签S5，无参数度量，通过计算查询特征、支持特征和特征原型之间的相似度，指导查询图片和支持图片中的目标进行分割，所述无参数度量包括步骤：S51：计算查询图片映射到深度特征空间x,y处的特征Fqx,y与每一原型的余弦相似度S52：计算支持图片映射到深度特征空间x,y处的特征Fsx,y与每一原型的余弦相似度S53：利用argmax·函数选取每一位置x,y处的特征与原型集P之间的最大相似度值，并将所有位置处的最大相似度值拼接，利用双线性插值生成查询图片和支持图片的掩码，生成的掩码可表示为公式9，M′＝∑x,yBILargmaxSx,y9其中，M′表示生成的掩码；BIL表示双线性插值；S54：计算预测的支持图片掩码和真实支持图片掩码之间的交叉熵损失lss→s，计算如公式10所示， 其中，h和w为支持图片的长和宽；α为可学习参数；为真实的支持掩码，为预测的支持掩码；为真实的查询掩码，仅用在训练阶段，为预测的查询掩码。

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兰州大学，其通讯地址为：730050 甘肃省兰州市城关区天水南路222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”。

以上内容由龙图腾AI智能生成。