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;中电数据服务有限公司申请的专利多尺度自适应原型网络的带钢表面缺陷少样本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：CN119559395B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411641840.6，技术领域涉及：G06V10/26；该发明授权多尺度自适应原型网络的带钢表面缺陷少样本分割方法是由张继勇;黄嘉诚;周晓飞;唐江平;鲍柳昕;李世峰;何帆设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本多尺度自适应原型网络的带钢表面缺陷少样本分割方法在说明书摘要公布了：本发明涉及多尺度自适应原型网络的带钢表面缺陷少样本分割方法，通过使用一种多尺度自适应原型变压器网络，并将其嵌入到带钢表面缺陷分割的框架中，以提高特征表示能力。该网络包括特征提取模块、自适应原型变压器模块和多尺度特征融合解码器，通过自适应原型生成和多尺度特征融合，能够更准确地捕捉缺陷的空间位置和特征表达。特别是，通过自适应原型变压器模块生成的自适应原型能够在复杂多变的缺陷场景中更好地匹配查询图像的特征，从而增强分割的精度。

本发明授权多尺度自适应原型网络的带钢表面缺陷少样本分割方法在权利要求书中公布了：1.多尺度自适应原型网络的带钢表面缺陷少样本分割方法，其特征在于：包括以下步骤： 步骤一：数据集的预处理：对带钢表面缺陷数据集FSSD-12进行数据增强和标准化处理； 步骤二：构建带钢表面缺陷分割网络：带钢表面缺陷分割网络包括特征提取模块、自适应原型模块和多尺度特征融合解码器三部分，将卷积神经网络ResNet-50作为特征提取模块，从带钢表面图像中提取多尺度特征信息，将特征送入自适应原型模块进行原型生成和特征优化处理，通过多尺度特征融合解码器对特征图进行融合和恢复，生成最终的缺陷分割结果； 步骤三：训练网络：将预处理后的训练集图像输入带钢表面缺陷分割网络中，经过特征提取模块、自适应原型模块和多尺度特征融合解码器三部分，生成与输入图像同尺寸的分割预测图；使用二值交叉熵损失函数进行损失计算，通过深度双重监督机制对每一层的输出进行监督，通过选定的优化器和相应参数对网络权重进行优化，经过多轮训练后得到最终的网络模型； 步骤四：模型测试：将预处理后的测试集图像输入训练好的带钢表面缺陷分割网络模型中，得到分割预测图，与真实标注进行比较，计算相关的评价指标； 所述步骤二具体包括： 构建一个基于ResNet-50的特征提取模块，从带钢表面图像中提取多尺度特征信息，输入图像先通过卷积层和池化层进行初步特征提取，图像特征送入ResNet-50的四个残差块，以提取不同尺度的特征， 在特征提取模块之后，将提取的多尺度特征被输入到自适应原型模块，通过注意力机制生成原型，原型捕捉支持样本与查询样本之间的关系，模块利用支持样本的特征和查询样本的特征生成自适应的多尺度原型，原型能够精确匹配缺陷的目标位置，并生成细粒度的特征表示，在模块中，进行位置嵌入以增强空间信息，后通过多头注意力机制捕捉特征之间的关系，通过全连接层进行特征变换，生成优化的原型，用到的注意力表达式： 其中AttentionQ,K,V是得到的注意力的值，Q用来查询相关的信息，K用来表示输入序列中各位置的特征，V则表示与这些位置相关的内容，通过计算Q和K的相似性，模型对V进行加权，提取出最相关的信息； 模块生成的多尺度原型特征被送入多尺度特征融合解码器，通过逐层上采样和特征融合，逐步恢复图像的空间分辨率，解码器采用特征拼接和卷积操作进行特征融合，生成精确的分割预测图。

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;中电数据服务有限公司，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。