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！

龙图腾网获悉华东理工大学申请的专利一种事件语义分割方法及事件语义分割网络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：CN115731544B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211327810.9，技术领域涉及：G06V20/70；该发明授权一种事件语义分割方法及事件语义分割网络是由唐漾;杜文莉;钱锋设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本一种事件语义分割方法及事件语义分割网络在说明书摘要公布了：本发明提供了一种事件语义分割方法及事件语义分割网络，涉及计算机视觉技术。本发明的实施例提供的事件语义分割方法包括采用第一数据集训练教师网络；采用第二数据集并利用教师网络的输出监督训练第一学生网络和第二学生网络，第二数据集具有多对灰度图‑事件数据，第一学生网络的输入为事件数据，第二学生网络的输入为事件数据转换得到的伪图像数据；融合第一学生网络以及第二学生网络的输出，生成语义分割结果。第一学生网络的输入与第二学生网络的输入不同，因此会以不同的方式学习知识，第一学生网络和第二学生网络的知识是多样性和互补的，采用第一学生网络和第二学生网络的融合获得的语义分割结果的有效性更高。

本发明授权一种事件语义分割方法及事件语义分割网络在权利要求书中公布了：1.一种事件语义分割方法，其特征在于，包括： 采用第一数据集训练教师网络；其中，所述第一数据集具有多个图像-标签对； 采用第二数据集并利用所述教师网络的输出监督训练第一学生网络和第二学生网络；其中，所述第二数据集具有多对灰度图-事件数据；所述教师网络的输入为所述灰度图，所述第一学生网络的输入为所述事件数据，所述第二学生网络的输入为所述事件数据转换得到的伪图像数据； 融合所述第一学生网络以及所述第二学生网络的输出，生成语义分割结果； 所述融合所述第一学生网络以及所述第二学生网络的输出，生成语义分割结果的步骤包括： 将所述第一学生网络和所述第二学生网络分别划分为n层，形成n个第一学生网络层和n个第二学生网络层； 通过融合模块将一所述第一学生网络层的输出与对应的所述第二学生网络层的输出重新加权，并输出加权特征；其中，融合模块的数量为n，所述加权特征作为下一所述第一学生网络层和下一所述第二学生网络层的输入； 将融合最终的所述第一学生网络层和所述第二学生网络层的融合模块输出的加权特征的平均值输入到全连接层； 所述全连接层生成语义分割结果； 将一所述第一学生网络层的输出与对应的所述第二学生网络层的输出重新加权的步骤包括： 根据所述第一学生网络层的输出和对应的所述第二学生网络层的输出获得注意值；其中，所述注意值包括沿高度方向的事件特征注意值eh、沿宽度方向的事件特征注意值ew、沿高度方向的伪图像特征注意值ih和沿宽度方向的伪图像特征注意值iw； 根据加权公式对所述第一学生网络层的输出与对应的所述第二学生网络层的输出重新加权，所述加权公式为： fe′＝fe+fi×ih×iw fi′＝fi+fe×eh×ew 其中，fe′为加权后的事件特征；fe为所述第一学生网络层输出的事件特征；fi′为加权后的伪图像特征；fi为第二学生网络层输出的事件特征； 根据所述第一学生网络层的输出和对应的所述第二学生网络层的输出获得沿宽度方向和高度方向的注意值的步骤包括： 沿通道维度执行拼接操作，获得拼接后的特征f，f＝[fe,fi]； 使用宽度方向和高度方向的平均池化核对所述特征f进行编码，获得沿宽度方向池化后的特征fwc,w以及沿高度方向池化后的特征fhc,h： 对所述特征fwc,w和所述特征fhc,h执行第一次卷积变换操作，获得变换后的特征z： z＝ReLUBNConv[fh,fw] 将特征z分割为高度特征zh和宽度特征zw，并执行第二次卷积操作，得到沿高度方向的事件特征注意值eh、沿宽度方向的事件特征注意值ew、沿高度方向的伪图像特征注意值ih和沿宽度方向的伪图像特征注意值iw： 其中，c为通道方向索引，h为高度方向索引，w为宽度方向索引，H为特征f在高度方向的长度，W为特征f在宽度方向的长度；Conv、和分别为1×1卷积函数；Tanh为激活函数；BN为批量归一化函数；ReLU为第一激活函数；z∈R2Cr×1×H+W，r为控制中间特性通道尺寸的缩减比；R为实数域；C为fh和fw的通道数。

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华东理工大学，其通讯地址为：200237 上海市徐汇区梅陇路130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。