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！

龙图腾网获悉西安理工大学申请的专利复杂城市街道场景实时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：CN117237629B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202311146266.2，技术领域涉及：G06V10/26；该发明授权复杂城市街道场景实时语义分割方法是由陈丹;刘乐设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本复杂城市街道场景实时语义分割方法在说明书摘要公布了：本发明公开的复杂城市街道场景实时语义分割方法，包括采集复杂城市街道场景图像；制作训练集并进行标注获得训练集标签文件；搭建自适应注意力模块；搭建基于自适应注意力的实时语义分割网络；训练实时语义分割网络，得到网络权重值；制作测试集并使用网络权重值对实时语义分割网络进行测试，得到复杂城市街道场景语义分割结果。本发明分割精度高、计算负担小，实现了对复杂城市街道场景的理解，解决了传统分割方法实时性低的问题。仅需较小的计算资源，就可以满足自动驾驶汽车和移动机器人等资源有限的平台在实际应用中的实时性能要求，从而帮助移动设备实现对周围环境的理解。

本发明授权复杂城市街道场景实时语义分割方法在权利要求书中公布了：1.复杂城市街道场景实时语义分割方法，其特征在于，包括以下步骤： 步骤1、采集复杂城市街道场景视频，并处理成图像； 步骤2、将步骤1所得图像部分制作成复杂城市街道场景训练集； 步骤3、将步骤2所得训练集进行标注获得训练集标签文件； 步骤4、搭建自适应注意力模块，包括空间注意模块和通道注意模块，具体为： 空间注意模块首先对输入特征图进行1×1卷积降维，再经过两个并行自适应最大池化，输出结果经相乘方式融合得到注意图，如式1所示，而空间注意模块输出特征图如式2所示： 1 2 式中，表示注意图，表示自适应最大池化，表示1×1卷积，表示输入特征图，表示空间注意模块输出特征图； 通道注意模块采用自适应最大池化和自适应平均池化获取不同尺度的特征，再通过重塑和扩展得到通道注意模块输出图，由式3表示： 3 式中，表示通道注意模块输出特征图，表示自适应平均池化，表示输入特征图； 最后，空间注意特征和通道注意特征采用相加方式进行融合，最终得到自适应注意力模块输出特征图如式4所示： 4 式中，为自适应注意力模块输出特征图； 步骤5、基于步骤4所得自适应注意力模块，搭建基于自适应注意力的实时语义分割网络，由空间特征提取网络和语义特征提取网络两个分支组成，通过特征融合网络融合；其中， 空间特征提取网络旨在获取分割类别像素点的位置信息，从高分辨率的图像中获取空间细节信息，空间特征提取网络分为三个相同的阶段，每个阶段由两个不同步长的3×3卷积层构成，每个阶段的两个卷积层中第一层步长为2、第二层步长为1，每个卷积层均带有批次归一化和参数修正线性单元； 语义特征提取网络基于FDSS-nbt模块，旨在获取类别像素点的语义信息，从低分辨率图像中提取语义特征，语义特征提取网络分为四个步骤，其中，步骤Ⅰ、步骤Ⅱ使用卷积层和池化层对输入图像进行特征提取和特征筛选；步骤Ⅲ、步骤Ⅳ在下采样的基础上，引入非对称-拆分-瓶颈模块，采用扩张率分别为[1、3、6、12]、[3、6、12、24]的空洞卷积提取多尺度图像特征； 步骤6、使用步骤2所得训练集以及步骤3所得标签文件对步骤5所得实时语义分割网络进行训练，得到网络权重值； 步骤7、将步骤1所得图像部分制作成测试集，使用步骤6所得网络权重值对步骤5所得实时语义分割网络进行测试，得到复杂城市街道场景语义分割结果。

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安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。