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！

龙图腾网获悉北京工业大学申请的专利一种面向轨道交通的高效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：CN115393683B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211023424.0，技术领域涉及：G06V10/80；该发明授权一种面向轨道交通的高效语义分割方法是由李嘉锋;黄万;郑永煜;卓力设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种面向轨道交通的高效语义分割方法在说明书摘要公布了：一种面向轨道交通的高效语义分割方法涉及计算机视觉图像技术领域。本发明采用轨道分割数据集、城市景观分割数据集混合。网络包含特征提取模块、金字塔池化模块、注意力优化模块、对象注意力模块、特征融合模块、分割头模块。通过训练网络，使其能够对轨道与背景进行准确分割以及对城市道路与背景进行准确分割，并且达到足够快的速度以满足实时性要求。

本发明授权一种面向轨道交通的高效语义分割方法在权利要求书中公布了：1.一种面向轨道交通的高效语义分割方法，其特征在于，包括数据集建立与高效图像分割网络设计； 数据集建立：采用轨道分割数据集、城市景观分割数据集混合； 高效图像分割网络：网络包含特征提取模块、金字塔池化模块、注意力优化模块、对象注意力模块、特征融合模块、分割头模块； 通过训练网络，对轨道与背景进行准确分割以及对城市道路与背景进行分割； 所述数据集的制作，具体步骤如下： 对于采集到的轨道交通运行视频数据；把每一张图像划分割成四类：轨道类和危险类以及背景类，其中背景类标签为0，轨道类标签为1，危险类标签为2；使用公开的城市景观数据集作为扩展； 高效图像分割网络由以下几个模块构成，包括特征提取模块、金字塔池化模块、对象注意力模块、注意力优化模块、特征融合模块、分割头模块； 输入网络的图片初始尺寸大小为3×1024×512，经过特征提取网络后得到不同大小的特征图用于后续处理；首先经过阶段一中“ConvBNRelu”函数即卷积核大小为3步长为2的卷积以及批量归一化和Relu激活函数作用后得到输出大小为32×512×256的特征图，然后经过阶段二中“ConvBNRelu”函数即卷积核大小为3步长为2的卷积以及批量归一化和Relu激活函数作用后输出大小为64×256×128的特征图；再经过阶段三中“ConvBNRelu”函数即卷积核大小为3步长为1的卷积以及批量归一化、Relu激活函数和“Conv2D”函数即卷积核大小为1步长为2的卷积和批量归一化的共同作用后得到大小为256×128×64的特征图；将该特征作为分割头模块的输入，经过分割头模块作用后输出将作为特征融合模块的空间信息输入，将该特征图定义为特征图A；同时将该特征图继续经过阶段四进行下采样，通过“ConvBNRelu”函数即卷积核大小为3步长为1的卷积以及批量归一化、Relu激活函数和“Conv2D”函数即卷积核大小为1步长为2的卷积和批量归一化的共同作用后得到大小为512×64×32的特征图，然后将该特征图通过注意力优化模块作用后输出大小为128×64×32的特征作为上下文信息的一部分，定义为特征图B；接下来对512×64×32的特征图继续下采样，通过阶段五中“ConvBNRelu”函数即卷积核大小为3步长为1的卷积以及批量归一化、Relu激活函数和“Conv2D”函数即卷积核大小为1步长为2的卷积和批量归一化的共同作用后得到大小为1024×32×16的特征图；将该特征图通过金字塔池化模块作用后输出大小为1024×32×16的特征图，然后输入到对象注意力模块，后输出大小为1024×32×16的特征图，再经过平均池化操作下采样特征图、再通过“ConvBNRelu”操作改变特征的通道数为128，利用双线性插值上采样特征图得到大小为128×32×16的特征图，将此特征图定义为特征图C；同时阶段五输出的特征经过注意力优化模块后输出大小为128×32×16的特征图，将其定义为特征图D；将特征图C和特征图D进行叠加，得到大小为128×32×16的特征图然后通过上采样操作得到大小为128×64×32的特征图，将其定义为特征图E,再将特征图B和特征图E进行叠加，得到大小为128×64×32的特征图，经过上采样后得到大小为128×128×64的特征图，将其定义为特征图F，特征图F作为输入向特征融合模块提供了上下文信息，而特征图A作为输入向特征融合模块提供了空间信息；经特征融合模块作用后输出大小256×128×64的特征图，经过4×上采样输出最终结果Pd∈RH×W，将最终输出Pd∈RH×W与真值gd∈RH×W计算Loss； 总的Loss函数为detailloss函数，detailloss函数由二元交叉熵损失函数和diceloss函数构成； diceloss函数表达式为： 其中i表示第i个像素，∈是拉普拉斯平滑项；∈的存在是为了防止分母为0； 二元交叉熵损失函数表达式为： 其中Pd表示最终输出，gd表示真值，b表示第b个样本，N表示有N个样本； 训练设置： 训练迭代次数设为320000，每次训练一个样本即BatchSize＝12，使用动量为0.9、权重衰减为4.0e-5的小批量随机梯度下降优化算法。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。