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！

龙图腾网获悉淮阴工学院申请的专利一种基于Transformer的轻量级语义分割方法及系统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：CN116843896B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310681412.5，技术领域涉及：G06V10/26；该发明授权一种基于Transformer的轻量级语义分割方法及系统是由曹宇;姜明新;王梓轩;甘峰瑞;陆易设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本一种基于Transformer的轻量级语义分割方法及系统在说明书摘要公布了：本发明公开了一种基于Transformer的轻量级语义分割方法及系统，对预先获取的图像进行特征提取，得到待处理图像的特征图F1；构建特征聚集模块，对通道信息聚合，得到对应于待处理图像的特征图F2；构建基于Transformer的双边引导聚合查询更新层BGA‑QULayer，对特征图浅层和深层进行双边引导聚合，分别得到语义特征引导和语义特征聚合；对注意力聚合更新特征图进行语义分割，得到语义分割结果。本发明聚合了多尺度信息，弥补边缘细节信息，加强深层语义引导的特征，融合特征网络中通道信息的权重，避免进行非线性激活时丢失信息，同时，查询更新能很好的帮助特征信息进行分组，提升了分割精度。

本发明授权一种基于Transformer的轻量级语义分割方法及系统在权利要求书中公布了：1.一种基于Transformer的轻量级语义分割方法，其特征在于，包括以下步骤： 1对预先获取的图像进行特征提取，得到待处理图像的特征图F1； 2构建特征聚集模块，对通道信息聚合，得到对应于待处理图像的特征图F2； 3构建基于Transformer的双边引导聚合查询更新层BGA‑QU Layer，对特征图浅层和深层进行双边引导聚合，分别得到语义特征引导和语义特征聚合； 4对注意力聚合更新特征图进行语义分割，得到语义分割结果； 所述步骤2实现过程如下： 采用一个MobileNetv2和特征聚集模块FAM，MobileNetv2进行图像的进一步特征提取，特征聚集模块先进行通道扩张，然后进行通道缩减，将特征图F∈RH×W×C输入到Conv1×1的常规卷积中，得到扩大通道的F∈RH×W×C0；使用Dwconv3×3卷积聚合特征，同时减少计算量，步距stride＝2，再进行BN‑ReLU6操作，得到的F∈RH2×W2×C0；再通过Conv1×1的卷积和BN操作，以将深度卷积的输出投影到低通道容量空间中得到F∈RH2×W2×C1，旁路采用一个Dwconv3×3卷积收集局部空间信息特征扩展到深层特征，步距stride＝2，使用BN加速网络收敛，控制过拟合，Conv1×1卷积调整通道数，最后进行加法操作得到116的特征图F2∈RH2×W2×C1； 步骤3所述双边引导聚合查询更新层BGA‑QU Layer由双边引导聚合模块和查询更新策略两部分组成； 所述双边引导聚合模块，对步骤2输出的特征图F2经过上采样到和18的特征图F1一样大小F2’，并和F1进行Concat拼接操作，融合特征，聚合了多尺度信息，弥补小目标的边缘细节信息；然后进行Conv1×1卷积、BN、ReLU6操作；F2’进行GAPooling 3×3卷积、BN、Conv1×1卷积后的结果F2"使用Sigmoid操作，进行元素级乘法操作，得到深层语义引导的特征图，GAPooling 3×3卷积作为网络的非线性激活层，减少参数的数量，增加网络的稳定性和准确性，Sigmoid操作融入特征网络的通道信息的权重；最后Dwconv3×3卷积聚合特征，BN、Conv1×1卷积调整作为最终查询更新X1；F2"进行BN、ReLU6、Broadcast操作扩展到F2’大小并和F2’进行加法操作得到X2，嵌入全局上下文信息；以上操作公式表达如下： F2'＝UpsampleF2F1'＝ReLU6BNConvConcatF2',F1F2”＝ConvBNGAPoolingF2'X0＝F1'·SigmoidF2”X1＝ConvBNDwconvX0F2”'＝BroadcastReLU6BNF2”X2＝F2”'+F2'。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市经济技术开发区枚乘东路1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”。

以上内容由龙图腾AI智能生成。