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！

龙图腾网获悉西南石油大学申请的专利一种基于空间注意力降采样模块的盲道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：CN117876682B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202410034389.5，技术领域涉及：G06V10/26；该发明授权一种基于空间注意力降采样模块的盲道分割方法是由王龙业;翁静梁;曾晓莉;易婷;张高远;刘梦瑶;赵丹设计研发完成，并于2024-01-09向国家知识产权局提交的专利申请。

本一种基于空间注意力降采样模块的盲道分割方法在说明书摘要公布了：本发明设计了一种基于空间注意力降采样模块的盲道分割方法。该方法在数据集部分采用实际拍摄的盲道照片，可以更好的提升后续模型的泛化性与稳定性。编码器部分集成了空间注意力降采样模块，该模块可以更好的改进模型在特征下采样过程中信息提取的能力。网络进一步增加了边缘辅助解码器，通过边缘损失函数控制辅助解码器的参数更新。通过与辅助解码的特征融合从而提高主解码器的解码能力。本发明提高了对模拟盲人出行场景下的盲道分割能力，使用空间注意力降采样模块增强在像素级的预测任务上的上下文信息提取，通过设置主辅两种解码器进一步提升模型的分割效果，使得本发明在盲道分割领域具有显著的实用价值。

本发明授权一种基于空间注意力降采样模块的盲道分割方法在权利要求书中公布了：1.一种基于空间注意力降采样模块的盲道分割方法，其特征在于，包括以下步骤： S1、数据增强预处理：将数据集原始图片尺寸增大至2048×2048×3，并随机裁剪为512×512×3的图片，裁剪后的图片再随机翻转扩充数据量； S2、编码器部分：构建的空间注意力降采样模块SADB，将S1中得到的数据输入到SADB改进的编码器中，对数据进行多尺度特征提取； S3、解码器部分：解码器部分由辅助解码器与主解码器组成，辅助解码器对S2中得到的特征层进行边缘信息提取，然后在主解码器中进行特征融合，辅助解码器由边缘损失函数反向传播更新参数，主解码器对输入的特征进行进一步提取，再上采样至掩码图尺寸，最终通过损失函数反向传播训练网络模型，得到对盲道区域预测的结果； 所述步骤S2编码器部分包括如下步骤： 特征提取骨干网络包括卷积神经网络、TransFormer以及所提出的空间注意力降采样模块，分为前后两部分，所述网络具体结构为： S21、编码器的前半部分由特征金字塔提取特征，经提取后共得到4个特征层，特征层大小分别为[128,128,16]，[64,64,32]，[32,32,64]，[16,16,96]，每一层的特征层由上一层通过降采样模块得到，每个降采样模块由深度可分离卷积、BN层、ReLU6激活函数构成； S22、构建空间注意力降采样模块，该模块分为横向池化、纵向池化及深度降采样三条路径，横向池化路径包含平均池化和最大池化层，生成两个大小为[1,W,C]的特征向量后进行特征融合，纵向池化路径同样包含平均池化和最大池化层，得到两个大小为[H,1,C]的特征向量进行特征融合，将所述融合后的横纵特征向量分别展开为长度为W×C、H×C的一维向量，两个一维向量分别通过一个卷积核大小为k，步长为k的一维卷积得到长度为的一维向量，将得到的一维向量重新切分拼接为两个大小为的二维特征向量，再使用python的广播机制重新组合成二维特征层，重新组合的过程如下式： 深度降采样路径中含有一个深度可分离卷积，将输入池化路径前的特征层进行下采样操作至大小为与并行池化路径得到的特征层进行融合； S23、在所述S21和S22的基础上应用空间注意力降采样模块对S21得到的4个特征层进行降采样至[8,8,Ci]，Ci为第i层的通道数，并在通道的维度上进行拼接操作，最后将得到的特征向量输入由反馈多头注意力机制和TransFormer并联组成的注意力模块中； S24、在编码器的后半部分将S21中的特征层经过空间注意力降采样模块后与下一层进行特征融合得到Fi，将S23中的注意力模块输出的特征层在通道维度上进行切分操作，再通过双线性插值上采样与Fi进行特征融合。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。