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！

龙图腾网获悉湘潭大学申请的专利基于分层多尺度Transformer的导航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：CN120655928B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511149133.X，技术领域涉及：G06V10/26；该发明授权基于分层多尺度Transformer的导航语义分割方法是由周彦;周海彬;王冬丽;向生亮设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本基于分层多尺度Transformer的导航语义分割方法在说明书摘要公布了：本发明公开了一种基于分层多尺度Transformer的导航语义分割方法，涉及导航语义分割技术领域，步骤S1，获取输入图像，提取多层次特征图；步骤S2，将多层次特征图中的最高层级特征图输入至分层多尺度窗口Transformer模块进行处理，得到多尺度语义聚合特征；步骤S3，将多层次特征图中所有层级的特征图逐级融合两个相邻层级的深层语义特征与浅层空间细节特征，得到多级细化特征；步骤S4，对多尺度语义聚合特征和多级细化特征进行上采样至统一尺寸，并在通道维度上进行级联融合，再进行最终特征融合；步骤S5，将最终融合后的特征输入至分类层，得到像素级别的语义分割结果。

本发明授权基于分层多尺度Transformer的导航语义分割方法在权利要求书中公布了：1.一种基于分层多尺度Transformer的导航语义分割方法，其特征在于，包括以下步骤： 步骤S1，获取输入图像，提取多层次特征图； 步骤S2，将多层次特征图中的最高层级特征图输入至分层多尺度窗口Transformer模块进行处理，得到多尺度语义聚合特征； 步骤S3，将多层次特征图中所有层级的特征图逐级融合两个相邻层级的深层语义特征与浅层空间细节特征，得到多级细化特征； 步骤S4，对多尺度语义聚合特征和多级细化特征进行上采样至统一尺寸，并在通道维度上进行级联融合，再进行最终特征融合； 步骤S5，将最终融合后的特征输入至分类层，得到像素级别的语义分割结果； 所述步骤S2中，得到多尺度语义聚合特征的具体步骤为： S2-1，从多层次特征图的最高层级特征图中捕获多尺度特征； 设输入特征为，多尺度特征为： ； ； ； 其中，表示第个分支，；为多头数，为窗口数，表示调整后的输入特征图，其结构是为了适应接下来的多尺度拆分和处理，表示特征空间集，表示输入特征图的高度，表示输入特征图的宽度，表示特征维度，表示经过多尺度窗口多头自注意机制处理后的合并特征图，表示多头自注意力，其输出特征图重新转变为的空间维度，每个分支的输出为； S2-2，集成阶段：整合不同窗口分支的特征； 对进行全连接层操作、激活层处理，然后通过全局平均池化生成通道级统计信息，再通过另一个全连接层和激活层处理，生成一个全局特征向量； S2-3，选择阶段：根据集成信息为每个分支衍生各自的相关度向量，对加权融合后的特征进行处理并还原通道尺寸； S2-4，得到多尺度语义聚合特征； 整个分层多尺度窗口Transformer模块的输出为，表达式如下：，表示主路径特征，是由经过第一次全连接层处理后的特征；表示自适应加权融合后的特征，作为对主路径特征的一个修正增量； 所述分层多尺度窗口Transformer模块为HMW-Former模块，所述HMW-Former模块包括分层多尺度窗口多头自注意力模块，所述多头自注意力模块包含多个多头自注意力子模块，用于提取多尺度特征；多尺度窗口自适应模块，用于信息的自适应融合。

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湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区西郊羊牯塘；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。