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！

龙图腾网获悉江西水利电力大学申请的专利一种多尺度注意力与中值增强的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：CN120580438B 。

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：202511078951.5，技术领域涉及：G06V10/26；该发明授权一种多尺度注意力与中值增强的语义分割方法是由王松涛;王亚迪;王培昂;邹凌云;向双双设计研发完成，并于2025-08-02向国家知识产权局提交的专利申请。

本一种多尺度注意力与中值增强的语义分割方法在说明书摘要公布了：本发明记载了一种多尺度注意力与中值增强的语义分割方法，包括以下步骤：S1，提取原始图像的初始特征，形成Inception块的输出特征；S2，将输出特征输入多尺度特征增强模块，输出多尺度特征；S3，将多尺度特征输入中值增强空间通道注意力模块，输出注意力特征图；S4，通过交叉特征融合块生成高层特征与低层特征的最终融合特征；S5，将注意力特征图经上采样之后，与最终融合特征相加并上采样得到融合特征图；S6，将所述融合特征图再经上采样并进行拼接，输出拼接后的特征图；S7，将拼接后的特征图经过上采样和一个全连接层展开得到原始图像的分割预测图。本发明记载的方法能更全面地捕捉特征分布信息，获得更清晰、准确的原始图像边缘分割结果。

本发明授权一种多尺度注意力与中值增强的语义分割方法在权利要求书中公布了：1.一种多尺度注意力与中值增强的语义分割方法，其特征在于，包括以下步骤： S1，以ResNeSt50为骨干网络提取原始图像的初始特征，通过分裂注意力块将初始特征分成多个基数组，每个基数组进一步分裂为多个子组； 基于原始图像的全局上下文信息进行权重评估，对每个基数组对应的子组进行加权组合，得到每个基数组的特征表示； 将所有基数组的特征表示合并，形成ResNeSt50卷积神经网络的Inception块的输出特征； S2，将所述Inception块的输出特征输入ResNeSt50卷积神经网络的多尺度特征增强模块，对其进行特征提取，得到5个特征图；对5个特征图的通道维度进行拼接，得到原始图像的多尺度特征； S3，将所述多尺度特征输入中值增强空间通道注意力模块，输出注意力特征图； S4，通过交叉特征融合块聚合高层特征和低层特征，生成融合高层特征与低层特征的最终融合特征，包括以下具体步骤： S401，ResNeSt50卷积神经网络的一个高层特征经过上采样，将空间尺寸扩大至与低层特征的尺寸相同； S402，使用3×3卷积核、空洞率为2的空洞卷积处理高层特征，以扩大感受野； S403，对空洞卷积处理后的高层特征进行批归一化处理，得到优化后的高层特征，公式为：，式中，为优化后的高层特征；为批归一化处理；为ResNeSt50卷积神经网络的一个高层特征；为3×3卷积核、空洞率为2的空洞卷积；为上采样操作； S404，ResNeSt50卷积神经网络的一个低层特征通过1×1卷积调整通道数，使其与高层特征的通道数匹配； S405，进行批归一化处理以优化1×1卷积调整后的特征分布，得到优化后的低层特征，公式为：，式中，为优化后的低层特征；为ResNeSt50卷积神经网络的一个低层特征；为1×1的卷积操作； S406，将优化后的高层特征与优化后的低层特征相加，基于非线性ReLU激活函数，生成最终融合特征，公式为：，式中，为最终融合特征；为优化后的低层特征；为优化后的高层特征； S5，将所述注意力特征图经上采样之后，与最终融合特征相加并上采样得到融合特征图； S6，将所述融合特征图再经上采样，并与ResNeSt50的中层特征经1×1卷积处理之后进行拼接，输出拼接后的特征图； S7，将拼接后的特征图经过一个3×3的卷积并经过上采样和一个全连接层展开得到原始图像的分割预测图。

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江西水利电力大学，其通讯地址为：330099 江西省南昌市高新技术开发区天祥大道289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。