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！

龙图腾网获悉中国人民解放军陆军工程大学申请的专利一种基于双分支Unet噪声抑制的车辆目标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：CN114463205B 。

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：202210066965.5，技术领域涉及：G06T5/70；该发明授权一种基于双分支Unet噪声抑制的车辆目标分割方法是由芮挺;刘凡;杨成松;王君锋;赵杰;沈春梅;刘恂;唐建;史建军;郑楠;杜子琰设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本一种基于双分支Unet噪声抑制的车辆目标分割方法在说明书摘要公布了：本发明公开了一种基于双分支UNet噪声抑制的车辆目标分割方法，首先收集车辆数据集，并对这些数据集进行整理；然后选取部分UNet网络作为主干网络，并在此基础上嵌入预测分支模块和噪声抑制分支模块，其中预测分支模块主要对获取的特征信息进行微调，并以此进行像素分类；噪声抑制分支模块主要通过损失函数抑制数据中的噪声干扰，以实现特征获取的精准性；最后，将获得的车辆数据集导入到模型中，然后将主干网络中提取到的图像特征信息传递到预测分支模块和噪声抑制分支模块，这两个分支模块分别使用二元交叉熵损失函数和非对称指数损失函数交替优化模型参数，以此提高模型对困难样本的判别能力，进而提升模型的整体性能。

本发明授权一种基于双分支Unet噪声抑制的车辆目标分割方法在权利要求书中公布了：1.一种基于双分支Unet噪声抑制的车辆目标分割方法，其特征在于，包括如下步骤： 步骤S1，获取数据集，包括车辆场景的真实图片和与之对应的标签图片，并利用图像数据增强技术对数据集进行扩充； 步骤S2，构建主干网络模型； 主干网络模型包括收缩路径和扩张路径二个部分，其中， 收缩路径包括卷积和池化操作，具体为：对于输入的图像，在第1层使用两次卷积操作，对第1层输出的特征图进行池化操作后进入第2层，在第2层使用两次卷积操作，对第2层输出的特征图进行池化操作后进入第3层，在第3层使用两次卷积操作，对第3层输出的特征图进行池化操作后进入第4层，在第4层使用两次卷积操作，对第4层输出的特征图进行池化操作后进入第5层，在第5层使用两次卷积操作； 扩张路径包括反卷积、拼接与卷积操作，具体为：在第6层对第5层输出的特征图进行反卷积操作，将结果与第4层输出的特征图按通道拼接在一起，最后进行两次卷积操作进入第7层，在第7层对第6层输出的特征图进行反卷积，将反卷积结果与第3层输出的特征图按通道拼接在一起，最后进行两次卷积操作后进入第8层，在第8层对第7层输出的特征图进行反卷积，将反卷积的结果与第2层输出的特征图按通道拼接在一起，最后进行二次卷积操作进入第9层，在第9层对第8层输出的特征图进行反卷积，将反卷积的结果与第1层输出的特征图按通道拼接在一起，最后进行两次卷积操作后，得到输出结果； 其中，在第1层至第9层使用的卷积操作，选取的卷积核大小均为3*3，步长均为1；池化选取的卷积核大小均为2*2，上采样使用的是反卷积操作，且反卷积选取的卷积核大小均为2*2，第1层至第9层采用的过滤器的个数依次为64、128、256、512、1024、512、256、128，64； 步骤S3，构建预测分支模块的网络模型结构，该模块使用二值交叉熵损失函数； 所述预测分支模块，具体结构为：主干网络输出的特征图输入到预测分支模块，进行四次卷积操作，其中，第1次至第4次选取的卷积核大小均为3*3，采用的过滤器的个数依次为64,64,64,2，二值交叉熵损失函数，公式如下： 其中yi是像素点i在groundtruth中的像素值，是像素点i在预测结果中的像素值； 步骤S4，构建噪声抑制分支模块的网络模型结构，为噪声抑制分支模块设计非对称指数损失函数； 所述噪声抑制分支模块，具体结构为：主干网络输出的特征图输入到噪声抑制模块，进行2次卷积操作，选取的卷积核大小均为3*3，采用的过滤器个数分别为64和2；非对称指数损失函数，公式如下： 其中，α、β和γ是超参数，α＝1，β＝1，γ＝0.07；α和β控制错误预测的惩罚严重程度，而γ指定不对称程度，x是预测结果和groundtruth的差值，当x＞0时，groundtruth为背景类；当x≤0时，groundtruth为目标类； 步骤S5，将车辆数据的训练集分别导入主干网络，主干网络将提取的图像特征传递到预测分支模块和噪声抑制分支模块，预测分支模块利用二值交叉熵损失函数更新网络参数，噪声抑制分支模块通过非对称指数损失函数进一步优化网络参数，两个模块交替优化网络参数，直到训练结束，得到该数据集对应的模型参数； 步骤S6，加载保存的模型参数，将车辆数据的测试集导入到对应的模型中，从而得到对应的测试结果。

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中国人民解放军陆军工程大学，其通讯地址为：210007 江苏省南京市秦淮区后标营路88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”。