Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 桂林电子科技大学雷晓春获国家专利权

桂林电子科技大学雷晓春获国家专利权

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!

龙图腾网获悉桂林电子科技大学申请的专利一种三分支自适应权重特征融合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:CN115496909B

龙图腾网通过国家知识产权局官网在2025-10-14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:202211302977.X,技术领域涉及:G06V10/26;该发明授权一种三分支自适应权重特征融合的语义分割方法是由雷晓春;张永雅;赵佳;江泽涛;潘奕伟;张取;唐麟设计研发完成,并于2022-10-24向国家知识产权局提交的专利申请。

一种三分支自适应权重特征融合的语义分割方法在说明书摘要公布了:本发明公开一种三分支自适应权重特征融合的语义分割方法,其语义分割网络先采用二分支全卷积网络进行特征提取,再采用三分支自适应权重融合对特征图进行融合。二分支特征提取网络对不同类型的图像进行特征提取,右分支可对输入的原始图像进行特征提取,左分支通过深度转换模块把输入原始图像变为深度图像再进行特征提取,不同类型图像可以提供不同感受野实现效果更好的特征提取。三分支自适应权重融合方式把不同图像的空间信息和语义信息按照像素级自适应权重的办法进行融合可以得到较好地定位和分割效果,并且对于物体的边界和对小物体的分割有不错的效果。

本发明授权一种三分支自适应权重特征融合的语义分割方法在权利要求书中公布了:1.一种三分支自适应权重特征融合的语义分割方法,其特征是,包括步骤如下: 步骤1、构建三分支自适应权重特征融合的语义分割网络; 上述三分支自适应权重特征融合的语义分割网络包括深度转换模块、2个卷积模块、8个卷积混合池化模块、8个双通道注意力机制模块、2个空洞卷积金字塔模块、6个上采样模块、1个权重相加模块、2个自适应权重相加模块、以及1个损失函数模块; 深度转换模块的输入和第一卷积模块的输入共同形成三分支自适应权重特征融合的语义分割网络的输入; 第一卷积模块的输出连接第一卷积混合池化模块的输入,第一卷积混合池化模块的输出连接第一双通道注意力机制模块的输入,第一双通道注意力机制模块的输出连接第二卷积混合池化模块的输入,第二卷积混合池化模块的输出连接第二双通道注意力机制模块的输入,第二双通道注意力机制模块的输出连接第三卷积混合池化模块的输入,第三卷积混合池化模块的输出连接第三双通道注意力机制模块的输入,第三双通道注意力机制模块的输出连接第四卷积混合池化模块的输入,第四卷积混合池化模块的输出连接第四双通道注意力机制模块的输入,第四双通道注意力机制模块的输出连接第一空洞卷积金字塔模块的输入;第一空洞卷积金字塔模块的一个输出连接第一上采样模块的输入,第一上采样模块的一个输出连接第二上采样模块的输入,第二上采样模块的输出连接第二自适应权重相加模块的一个输入; 深度转换模块把输入原始图像变为深度图像,深度转换模块的输出连接第二卷积模块的输入,第二卷积模块的输出连接第五卷积混合池化模块的输入,第五卷积混合池化模块的输出连接第五双通道注意力机制模块的输入,第五双通道注意力机制模块的输出连接第六卷积混合池化模块的输入,第六卷积混合池化模块的输出连接第六双通道注意力机制模块的输入,第六双通道注意力机制模块的输出连接第七卷积混合池化模块的输入,第七卷积混合池化模块的输出连接第七双通道注意力机制模块的输入,第七双通道注意力机制模块的输出连接第八卷积混合池化模块的输入,第八卷积混合池化模块的输出连接第八双通道注意力机制模块的输入,第八双通道注意力机制模块的输出连接第二空洞卷积金字塔模块的输入;第二空洞卷积金字塔模块的一个输出连接第三上采样模块的输入,第三上采样模块的一个输出连接第四上采样模块的输入,第四上采样模块的输出连接第二自适应权重相加模块的另一个输入; 第一空洞卷积金字塔模块的另一个输出和第二空洞卷积金字塔模块的另一个输出分别连接权重相加模块的2个输入,权重相加模块的输出连接第五上采样模块的输入;第一上采样模块的另一个输出、第三上采样模块的另一个输出和第五上采样模块的输出分别连接第一自适应权重相加模块的3个输入;第一自适应权重相加模块的输出连接第六个上采样模块的输入;第六个上采样模块的输出连接第二自适应权重相加模块的又一个输入;第二自适应权重相加模块的输出连接损失函数模块的输入; 损失函数模块的输出形成三分支自适应权重特征融合的语义分割网络的输出; 步骤2、利用已分割好的样本图像集对步骤1所构建的三分支自适应权重特征融合的语义分割网络进行深度学习,得到三分支自适应权重特征融合的语义分割模型; 步骤3、将待分割的图像送入到步骤2所得到的三分支自适应权重特征融合的语义分割模型中进行分割,三分支自适应权重特征融合的语义分割模型输出分割好的图片。

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桂林电子科技大学,其通讯地址为:541004 广西壮族自治区桂林市七星区金鸡路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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。