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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于改进FastFCN的图像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：CN114332103B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202111680676.6，技术领域涉及：G06T7/10；该发明授权一种基于改进FastFCN的图像分割方法是由巫笠平;马玉良;张启忠;孟明设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本一种基于改进FastFCN的图像分割方法在说明书摘要公布了：本发明公开了一种基于改进FastFCN的图像分割方法；本发明创新地提出用于提取非线性特征的双重并行非对称卷积模块和用于捕捉多尺度信息的串行空洞空间金字塔池化模块模块。将非对称卷积模块、串行空洞空间金字塔池化模块、双重注意力CBAM模块以及瓶颈层融入子模块中，构建语义文本信息子模块。然后将语义文本信息子模块嵌入到编码器结构优化后的FastFCN网络，结构优化主要表现在编码器部分通过增添特征跳连路径来增强信息流。训练前无需复杂的预处理，训练时采用多尺度深度监督，测试时使用翻转测试。本发明方法取得了优异的分割性能和极低的模型参数量，其中Jaccard指数为84.05％，模型参数量仅为0.96M。

本发明授权一种基于改进FastFCN的图像分割方法在权利要求书中公布了：1.一种基于改进FastFCN的图像分割方法，其特征在于，包括如下步骤： 步骤1、选取ISIC2018数据集作为实验数据，对数据预处理，数据充分打乱划分测试集和训练集，并将数据进行增强后输入； 步骤2、构建双重并行非对称卷积模块提取非线性特征；所述的双重并行非对称卷积模块由两个串联连接的并行非对称卷积模块组成； 步骤3、构建串行空洞空间金字塔池化模块获取多尺度特征； 步骤4、将非对称卷积模块、串行空洞空间金字塔池化模块、普通空洞空间金字塔池化模块、双重注意力CBAM模块以及瓶颈层融入子模块中，构建语义文本信息子模块和轻量级的语义文本信息子模块；具体步骤为： 4-1.首先运用瓶颈层，使用1*1的DO-Conv卷积层+BN层+PReLU层的组合将输入通道数m压缩到n4； 4-2.然后使用双重并行非对称卷积模块进行提取非线性特征，期间输入输出通道数保持n4不变； 4-3.接着采用串行空洞空间金字塔池化模块捕捉多尺度特征，经由串行空洞空间金字塔池化模块后，输出通道数恢复到n； 4-4.最后引入空间通道双重注意力的CBAM模块，借助1*1的DO-Conv卷积层+BN层+CBAM模块+PReLU层的组合，关注多尺度特征中的重要特征，期间输入输出通道数保持n不变； 步骤5、将语义文本信息子模块和轻量级的语义文本信息子模块嵌入到编码器结构优化后的FastFCN网络中，构建改进后的FastFCN网络，具体步骤为： 5-1.改进后的FastFCN网络包括6块子模块，分别是编码器部分的Encoder1、Encoder2、Encoder3、Encoder4、Encoder5以及解码器部分的Dncoder1；其中，将语义文本信息子模块应用在子模块Encoder1、Encoder2、Encoder3、Encoder4以及Dncoder1中，而Encoder5子模块使用轻量级的语义文本信息子模块； 5-2.在原有FastFCN网络的基础上，编码器部分增添了6条浅层特征图到深层特征图的跳连路径，作为编码器中深层子模块的输入之一；6条跳连路径为：Encoder1→Encoder3、Encoder1→Encoder4、Encoder1→Encoder5、Encoder2→Encoder4、Encoder2→Encoder5以及Encoder3→Encoder5；每条跳连路径内部组成情况相似:首先第一层是最大池化层，将特征图分辨率减低到需要的大小，然后是使用双重并行非对称卷积模块进行提取非线性特征，经由第一个并行非对称卷积模块中的卷积层，输入通道数降至16，通道数后续保持不变； 步骤6、对构建的所述改进后的FastFCN网络进行多尺度监督辅助训练，得到所需分割网络； 步骤7、测试集图像经过数据增强后输入步骤5得到的分割网络，通过翻转测试输出分割图。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。