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！

龙图腾网获悉重庆邮电大学申请的专利一种基于卷积局部增强的多尺度Transformer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：CN117058392B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311105711.0，技术领域涉及：G06V10/26；该发明授权一种基于卷积局部增强的多尺度Transformer图像语义分割方法是由张海波;黄泓龙;张俊峰;蔡磊设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于卷积局部增强的多尺度Transformer图像语义分割方法在说明书摘要公布了：本发明涉及计算机视觉中的图像语义分割领域，特别涉及一种基于卷积局部增强的多尺度Transformer图像语义分割方法，包括：在数据集ADE20K和Cityscapes中获取原始图像，将原始图像输入到ConvStem层进行特征提取，得到特征图；将特征图输入到多尺度特征增强提取模块，得到不同尺度的特征图；将不同尺度的特征图输入到特征融合解码器中，得到融合特征图；将融合特征图输入到语义分割模块中，得到图像语义分割结果；本发明采用局部信息增强模块及特征交汇模块实现了与Transformer结构的优势互补，提高了网络的分割性能；本发明采用特征融合解码器实现了对低层空间细节特征和高层的语义信息特征的有效融合。

本发明授权一种基于卷积局部增强的多尺度Transformer图像语义分割方法在权利要求书中公布了：1.一种基于卷积局部增强的多尺度Transformer图像语义分割方法，其特征在于，包括：获取原始图像，将原始图像输入到多尺度Transformer语义分割模型中，得到图像语义分割结果，其中多尺度Transformer语义分割模型包括ConvStem层、多尺度特征增强提取模块、特征融合解码器以及语义分割模块； 多尺度Transformer语义分割模型对原始图像进行处理的过程包括： S1、将原始图像输入到ConvStem层进行特征提取，得到特征图； S2、将特征图输入到多尺度特征增强提取模块，得到不同尺度的特征图； S3、将不同尺度的特征图输入特征融合解码器中，得到融合特征图； S4、将融合特征图输入语义分割模块中，得到图像语义分割结果； 多尺度特征增强提取模块包括多个MSF-PE模块和多个MST-Transformer模块；MSF-PE模块与MST-Transformer模块相互连接，成对出现；MSF-PE模块由多尺度特征切片嵌入层、不同尺度的卷积层以及多尺度特征融合模块组成；MST-Transformer模块由多尺度向量Transformer编码模块、局部信息增强模块以及特征交汇模块构成；其中，MSF-PE表示多尺度特征切片嵌入，MST-Transformer表示多尺度向量Transformer； 多尺度特征增强提取模块对输入的特征图进行处理的过程包括： S21、将特征图输入第一MSF-PE模块中，得到第一多尺度特征图； S22、将第一多尺度特征图和特征图分别输入第一MST-Transformer模块，得到第一编码特征图； S23、将上一个MST-Transformer模块输出的编码特征图输入到下一个MSF-PE模块，得到当前MSF-PE模块输出的多尺度特征图，将当前多尺度特征图和上一个MST-Transformer模块输出的编码特征图分别输入到下一个MST-Transformer模块，得到当前MST-Transformer模块输出的编码特征图； S24、重复步骤S23，直到经过所有的MSF-PE模块和MST-Transformer模块； MSF-PE模块对输入特征图进行处理的过程包括： S211、将特征图输入到多尺度特征切片嵌入层进行多尺度特征切片嵌入，采用不同尺度的卷积层对多尺度特征切片嵌入后的特征图进行卷积，得到切片嵌入特征图； S212、把切片嵌入特征图输入多尺度特征融合模块进行信息聚合，得到多尺度特征图； MST-Transformer模块对编码特征图和多尺度特征图进行处理的过程包括： S221、将多尺度特征图输入多尺度向量Transformer编码模块进行多尺度自注意力计算，得到多尺度特征向量序列； S222、将编码特征图输入局部信息增强模块进行局部信息增强，得到局部信息增强特征图； S223、将多尺度特征向量序列与局部信息增强特征图一同输入特征交汇模块进行特征交互，得到编码特征图； 局部信息增强模块由多个堆叠卷积层组成，该模块对编码特征图进行处理的过程包括： 步骤1、对输入的编码特征图进行小尺度卷积运算； 步骤2、对卷积后的特征图进行层归一化； 步骤3、将层归一化后的结果输入到GELU激活函数中，完成一个堆叠卷积层的局部特征提取操作； 步骤4、将上一个堆叠卷积层的结果输入到下一个堆叠卷积层； 步骤5、重复步骤4，直到经过所有的堆叠卷积层。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。