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！

龙图腾网恭喜华南理工大学申请的专利基于Vision Transformer网络的弱监督实例分割方法、系统及介质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：CN115359254B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202210877230.0，技术领域涉及：G06V10/26；该发明授权基于Vision Transformer网络的弱监督实例分割方法、系统及介质是由余晋刚;梁宇琦;吴仕科设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本基于Vision Transformer网络的弱监督实例分割方法、系统及介质在说明书摘要公布了：本发明公开了一种基于VisionTransformer网络的弱监督实例分割方法、系统及介质，方法为：获取带标签的自然图像数据集和待分割自然图像；构建弱监督实例分割模型；所述弱监督实例分割模型包括ViT多标签分类模块及ViT候选区域评分模块；所述ViT多标签分类模块包括VisionTransformer网络及候选区域伪标签生成器；所述ViT候选区域评分模块包括候选区域生成器及ViT候选区域特征生成器；初始化弱监督实例分割模型，构建损失函数并在带标签的自然图像数据集上进行迭代训练，优化损失函数得到训练好的弱监督实例分割模型；将待分割自然图像输入训练好的弱监督实例分割模型中，得到实例分割结果。本发明实现了对自然图像的实例分割，在保持较高性能的同时，加快推理速度，减少算力的消耗。

本发明授权基于Vision Transformer网络的弱监督实例分割方法、系统及介质在权利要求书中公布了：1.基于VisionTransformer网络的弱监督实例分割方法，其特征在于，包括下述步骤： 获取带标签的自然图像数据集和待分割自然图像； 构建弱监督实例分割模型；所述弱监督实例分割模型包括ViT多标签分类模块及ViT候选区域评分模块；所述ViT多标签分类模块包括VisionTransformer网络及候选区域伪标签生成器；所述ViT候选区域评分模块包括候选区域生成器及ViT候选区域特征生成器； 所述VisionTransformer网络用于获取多标签分类结果并产生类别激活图；所述候选区域伪标签生成器根据类别激活图，生成候选区域伪标签；所述候选区域生成器使用卷积导向边界算法及层次分割算法生成COB候选区域；所述ViT候选区域特征生成器采用SegAlign方法生成COB候选区域的特征向量并经过全连接层，映射为COB候选区域的分类分数； 初始化弱监督实例分割模型，构建损失函数并在带标签的自然图像数据集上进行迭代训练，优化损失函数得到训练好的弱监督实例分割模型； 所述在带标签的自然图像数据集上进行迭代训练，具体为： 使用VisionTransformer网络对带标签的自然图像数据集进行分类，得到多标签分类结果并产生类别激活图； 将带标签的自然图像数据集输入候选区域生成器中，使用卷积导向边界算法及层次分割算法生成COB候选区域； 根据类别激活图和COB候选区域，采用候选区域伪标签生成器得到候选区域伪标签； 将COB候选区域输入ViT候选区域生成器中，采用SegAlign方法和全连接层生成COB候选区域的特征向量并经过全连接层，映射为COB候选区域的分类分数及类别； 计算损失值并优化损失函数，迭代训练至函数收敛，得到训练好的弱监督实例分割模型； 将待分割自然图像输入训练好的弱监督实例分割模型中，得到实例分割结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。