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温州研究院有限公司;浙江丰图电力有限公司;杭州电子科技大学申请的专利一种X光重叠物体的分离提取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：CN116310306B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211593646.6，技术领域涉及：G06V10/26；该发明授权一种X光重叠物体的分离提取方法是由郑梁;周瑜;郑晓隆;谢强强设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种X光重叠物体的分离提取方法在说明书摘要公布了：本发明提供了一种X光重叠物体的分离提取方法，包括以下步骤：步骤S1：基于深度学习训练得到一个分离提取模型；步骤S2：获取X光重叠物体图像，并将其输入步骤S1训练得到的分离提取模型输出分离后的物体信息；其中，使用VIT结构替代传统图像生成器中的CNN结构，能更好地使网络将注意力放在重叠图像中的单独物体上，另一方面能够更多的关注重叠图像的长距离信息。本发明方法将MaskR‑CNN与基于VIT的生成器组合，得到一个可以端到端分离重叠物体X射线图像的网络，并达到较好的效果。

本发明授权一种X光重叠物体的分离提取方法在权利要求书中公布了：1.一种X光重叠物体的分离提取方法，其特征在于，至少包括以下步骤： 步骤S1：基于深度学习训练得到一个分离提取模型； 步骤S2：获取X光重叠物体图像，并将其输入步骤S1训练得到的分离提取模型输出分离后的物体信息； 其中，所述步骤S1至少包括如下步骤： 步骤S11：获取X射线重叠物体图像的数据集，该数据集中包括重叠图、物品图和掩码图，分别表征重叠物体X射线图像、单独物品的X射线图像和单独物体与重叠部分的掩码图像； 步骤S12：基于训练好的MaskR-CNN分割网络使用步骤S11所构建的数据集进行优化训练； 步骤S13：搭建重叠物体X射线图像的分离网络，该网络为GAN结构，包括基于VIT结构的生成器与基于卷积网络的鉴别器两部分； 步骤S14：利用步骤S11所构建的数据集训练步骤S13中搭建的重叠物体X射线图像分离网络； 步骤S15：将步骤S12优化训练后的MaskR-CNN与步骤S14训练得到的生成器相连接得到最终的分离提取模型； 步骤S2中，将含有重叠物体的X光图像输入到MaskR-CNN网络中，得到对应的掩膜图像，将该掩膜图像与X光图像共同输入到分离提取网络，最终得到单独物品的X光图像； 所述步骤S12中，MaskR-CNN网络由FasterR-CNN和FCN组成的，其中FasterR-CNN用于完成分类和边框预测，FCN用于在筛选出的ROI中进行图像分割； 对在coco数据集上训练完成的91类MaskR-CNN分割网络的参数模型上进行微调，修改待分割的类别为3类，分别为重叠区域、非重叠区域以及背景； 所述步骤S13中，VIT结构用于代替传统CNN结构的生成器，VIT结构的生成器包括一个数据融合层、具有VIT结构的编码器和具有VIT结构的解码器三个部分，VIT结构包括PatchEmbedding、PositionEmbedding和多层TransformerBlock三个部分；PatchEmbedding用于将图片从二维信息转换为转换成一系列的一维信息；即将一张维度为H×W×C图像分成N个大小为P2C的patch，N的大小为HWP2，并reshape为N×P2C的patches块；PositionEmbedding用于给每一个Patch块一个独一无二的编码即位置信息；TransformerBlock中包含Attention层和MLP层，Attention层对带有位置信息的图像信息进行线性变换，得到三个特征向量组Q:{q1,q2,…,qn}、K:{k1,k2,…,kn}、V:{v1,v2,…,vn}，经过多头自注意力机制的计算获得注意力权重，最终将注意力权重输入到MLP网络中获取图像的特征信息。

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温州研究院有限公司;浙江丰图电力有限公司;杭州电子科技大学，其通讯地址为：325000 浙江省温州市龙湾区瑶溪街道南洋大道2003号浙南云谷B幢3、4楼；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。