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面向多模态少样本语义分割的跨尺度特征匹配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：CN119559394B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411629927.1，技术领域涉及：G06V10/26；该发明授权一种面向多模态少样本语义分割的跨尺度特征匹配方法是由林佳;周晓飞;郑博仑;章国道;夏雷;张继勇设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种面向多模态少样本语义分割的跨尺度特征匹配方法在说明书摘要公布了：本发明涉及一种面向多模态少样本语义分割的跨尺度特征匹配方法结合不同模态特点，实现有选择性的跨模态特征融合；利用提出的像素‑图像块互注意力匹配模块pixel‑to‑patchcrossattention，PTPCA，实现不同尺度的支持查询对象特征匹配，进而对无标签的新类图像做出准确的像素级分割。

本发明授权一种面向多模态少样本语义分割的跨尺度特征匹配方法在权利要求书中公布了：1.一种面向多模态少样本语义分割的跨尺度特征匹配方法，其特征在于：包括以下步骤： 步骤一：将可见光模态和红外模态的支持、查询图像送入特征提取模块，分别提取得到可见光模态的查询特征FRGB,Q、红外模态的查询特征FT,Q、可见光模态的支持特征FRGB,S和红外模态的支持特征FT,S； 步骤二：将提取到的红外与可见光特征按照集合来源分组送入基于卷积神经网络构建的空间融合模块，生成融合特征FE,Q和FE,S； 步骤三：将融合特征的第2、3、4层特征分组送入像素-图像块互注意力匹配模块，得到三层初步输出和 步骤四：按照步骤三得到的初步输出的尺寸对深度模态的查询图像进行下采样，得到并将与之尺寸对应的初步输出一同送入由Transformer构建的先验融合模块，输出表征深度信息的输出 步骤五：将不同层级的进行融合，得到由跨尺度互注意力机制引导输出的粗略掩码Mc，并将其与第1层和第2层的融合查询特征在通道维度进行拼接，送入解码器，得到查询图像的预测P； 所述步骤二空间融合模块具体包括： 对送入空间融合模块的红外与可见光按照层级进行分组，分别进行通道维度的拼接操作；将拼接的各层特征送入前馈神经网络，选择性的增强所需特征，生成融合特征； 所述步骤三中像素-图像块互注意力匹配模块具体包括： 将送入的支持、查询融合特征和分别进行空间维度的拉直后，进行线性映射，分别作为查询元素和键元素进行矩阵计算，输出形状为head×hw×hw的大得分矩阵； 依次将得到的大得分矩阵的后两个维度展开，并进行相应的矩阵变化，分别得到与查询分量和支持分量相关的独立小得分矩阵Mattn,Q和Mattn,S； 将Mattn,Q和Mattn,S独立送入像素-图像块池化模块，得到融合多尺度特征的新小得分矩阵M'attn,Q和M'attn,S； 将分别于查询分量和支持分量相关的新小得分矩阵M'attn,Q和M'attn,S进行相应的矩阵变换后，将输出相加，得到可实现不同尺度对象建模的得分矩阵M'，并将其送入归一化指数函数Softmax，与拉直的支持图像的真值掩码进行矩阵相乘，最终输出步骤二所述的初步输出 所述步骤四中先验融合模块是由Transformer构建而成具体包括：将和拉直后，分别作为查询元素和键值元素送入互注意力模块，生成表征了深度信息的输出

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。