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！

龙图腾网获悉浙江大学申请的专利一种基于关系型上下文聚合的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：CN115512109B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211138798.7，技术领域涉及：G06V10/26；该发明授权一种基于关系型上下文聚合的图像语义分割方法是由冯天;张微;马笑文;马梦婷;沈骏翱设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本一种基于关系型上下文聚合的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关系型上下文聚合的图像语义分割方法。本发明针对高分辨率遥感图像背景复杂，尺度变化大等问题，基于关系型上下文聚合机制，在图像语义分割任务中引入语义级多尺度上下文生成器和关系级多尺度上下文整合器。本发明通过语义级多尺度上下文生成器，有效地提取图像中每个语义范围内的语义级上下文信息作为类别表达，并通过关系级多尺度上下文整合器，结合语义内像素与像素之间的关系与语义间像素与类之间的关系，为每个像素构建密集而精确的上下文信息，从而增强像素的特征表达能力，并且减少了背景噪声的干扰。本发明为上下文聚合机制在复杂背景图像的分割任务上提供一种新的解决方案，并且能够提高相应图像语义分割的性能。

本发明授权一种基于关系型上下文聚合的图像语义分割方法在权利要求书中公布了：1.一种基于关系型上下文聚合的图像语义分割方法，其特征在于：将待语义分割的图像输入由编码器模块和解码器模块组成的语义分割模型中，获得语义分割结果； 在所述编码器模块中，首先通过骨干网络进行特征提取，得到浅层特征表示和深层特征表示，其次对深层特征表示进行预分类操作，得到预分类表示，接着将深层特征表示与预分类表示输入到类别级多尺度上下文生成器，得到深层特征表示对应的类别级多尺度上下文，然后将预分类表示与深层特征表示及其对应的类别级多尺度上下文输入到关系级多尺度上下文整合器，对深层特征表示进行上下文信息聚合，将聚合特征与深层特征表示融合后得到加强后的特征表示，最终所述编码器模块将加强后的特征表示与浅层特征表示以及类别级多尺度上下文输出到解码器模块作为解码器模块的模块输入； 所述类别级多尺度上下文生成器以深层特征表示和预分类表示作为输入，首先通过预分类表示获取每个像素的类别概率分布，利用该类别概率分布获得每个像素属于不同类别的确定度，然后针对不同的尺度，在每个尺度范围内利用该尺度范围内的特征的确定度作为权重加权该特征，从而得到每个尺度内不同语义的类别级特征，最终将不同尺度内的类别级特征进行拼接，从而得到每个输入的特征表示所对应的类别级多尺度特征表示； 所述关系级多尺度上下文整合器以预分类表示与深层特征表示及其对应的类别级多尺度特征表示作为输入，首先通过预分类表示，计算每个类别内像素之间的类别分布概率的相似度，然后再通过深层特征表示与类别级多尺度特征表示，计算特征表示中的每个像素与类别级多尺度特征表示之间的相似性，并通过分布概率的相似度加权该相似性，从而获得整合后的像素与类别级多尺度特征表示之间的相似度，利用该相似度与类别级多尺度特征表示相乘并与原深层特征表示沿通道费按序拼接，从而获得加强后的特征表示； 在所述解码器模块中，首先将加强后的特征表示上采样后与浅层特征表示融合，得到融合后的特征表示，然后在融合后的特征表示与类别级多尺度特征表示之间运用注意力机制，得到加强后的融合特征表示，最终通过对加强后的融合特征表示进行上采样操作，得到待分割图像的语义分割结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。