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 > 宁波工程学院祝铖杰获国家专利权

宁波工程学院祝铖杰获国家专利权

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!

龙图腾网获悉宁波工程学院申请的专利基于多模态特征融合的图像语义分割算法及应用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:CN117152431B

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:202311049781.9,技术领域涉及:G06V10/26;该发明授权基于多模态特征融合的图像语义分割算法及应用是由祝铖杰;刘云鹏;沈淑宁;江弘奕;吕园园;钟振麒;王炬盛;王力家;王潇文;丁哲浩;任涵煜设计研发完成,并于2023-08-21向国家知识产权局提交的专利申请。

基于多模态特征融合的图像语义分割算法及应用在说明书摘要公布了:本发明涉及图像语义分割技术领域,具体为基于多模态特征融合的图像语义分割算法及应用,包括:数据集管理模块、提取模块、融合模块、分割模块,具体为:利用联邦学习理念的协作方式,把单一模态特征的提取任务交付给不同的提取模块来独立完成,并且利用融合模块查验单一模态特征提取任务的完成情况,在确定单一模态特征的提取任务全部完成之后,将提取得到的单一模态特征进行融合,获得多模态融合特征,最后以多模态融合特征为输入,利用ASPP模块实现图像语义分割预测。本发明能够有效提高图像特征提取层提取细节特征的能力,把图像和文本进行特征提取并且融合还能够获取更多的图像细节信息,达到较好的图像语义分割效果。

本发明授权基于多模态特征融合的图像语义分割算法及应用在权利要求书中公布了:1.基于多模态特征融合的图像语义分割算法,其特征在于,所述图像语义分割算法的架构包括:数据集管理模块、提取模块、融合模块、分割模块,具体为:利用联邦学习理念的协作方式,把单一模态特征的提取任务交付给不同的提取模块来独立完成,并且利用融合模块查验单一模态特征提取任务的完成情况,在确定单一模态特征的提取任务全部完成之后,将提取得到的单一模态特征进行融合,获得多模态融合特征,最后以多模态融合特征为输入,利用ASPP模块实现图像语义分割预测; 所述图像语义分割算法的具体步骤如下: 步骤一:提取模块E从数据集管理模块M处下载得到初始任务模型ITM; 步骤二:提取模块E使用内嵌的特征提取网络模型完成初始任务模型ITM中所规定的提取任务,提取得到单一模态特征,并且将单一模态特征传输至融合模块F; 步骤三:融合模块F将各个单一模态特征进行融合,得到多模态融合特征,并且将多模态融合特征传输至分割模块D进行图像语义分割预测,其具体实施过程为: 融合模块F执行下述程序: 程序一,从数据集管理模块M处下载得到初始任务模型ITM,从初始任务模型ITM中获取隶属于任务份额t0的任务记录编号Trn、隶属于任务份额t1的任务记录编号Trn-Ⅰ、隶属于任务份额t2的任务记录编号Trn-Ⅱ、隶属于任务份额t3的任务记录编号Trn-Ⅲ; 程序二,接收提取模块E-P传输的任务执行编号Ten和图像特征fP、提取模块E-T-Ⅰ传输的任务执行编号Ten-Ⅰ和文本特征fT-Ⅰ、提取模块E-T-Ⅱ传输的任务执行编号Ten-Ⅱ和文本特征fT-Ⅱ、提取模块E-T-Ⅲ传输的任务执行编号Ten-Ⅲ和文本特征fT-Ⅲ; 据此融合模块F执行下述操作: 1计算任务完成参数Ptcc-Ⅰ=eTrn,hfP×eTrn-Ⅰ,hfT-Ⅰ×eTrn-Ⅱ,hfT-Ⅱ×eTrn-Ⅲ,hTrn-Ⅲ; 其中,h·∈G1为哈希函数; e表示双线性映射函数:G1×G1→G2; G1、G2是两个具有相同阶p的乘法循环群; G1的生成元为g; p是一个大素数; 2计算任务完成参数Ptcc-Ⅱ=eg,Ten×Ten-Ⅰ×Ten-Ⅱ×Ten-Ⅲ; 3若等式Ptcc-Ⅰ=Ptcc-Ⅱ成立,则证明单一模态特征的提取任务全部完成,开始执行下一步骤;否则,不能够执行下一步骤; 4将提取得到的图像特征fP与文本特征fT-Ⅰ、文本特征fT-Ⅱ、文本特征fT-Ⅲ进行融合,得到多模态融合特征MFf的特征向量MFf-E,具体如下: MFf-E=FfP-EWP,fT-ⅠWT-Ⅰ,fT-ⅡWT-Ⅱ,fT-ⅢWT-Ⅲ; fP-E是图像特征fP的特征向量; F·表示ReLU函数; WP是图像特征fP的投影权重矩阵; WT-Ⅰ是文本特征fT-Ⅰ的投影权重矩阵; WT-Ⅱ是文本特征fT-Ⅱ的投影权重矩阵; WT-Ⅲ是文本特征fT-Ⅲ的投影权重矩阵; 融合模块F将多模态融合特征MFf的特征向量MFf-E传输给分割模块D,分割模块D以多模态融合特征MFf为输入,使用ASPP模块进行图像语义分割预测。

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宁波工程学院,其通讯地址为:315000 浙江省宁波市风华路201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。