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！

龙图腾网获悉东南大学申请的专利一种基于双注意力机制融合的FDA-DeepLab语义分割算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：CN115170801B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202210852168.X，技术领域涉及：G06V10/26；该发明授权一种基于双注意力机制融合的FDA-DeepLab语义分割算法是由张小国;滕浩;丁立早;杜文俊;王琦设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种基于双注意力机制融合的FDA-DeepLab语义分割算法在说明书摘要公布了：本发明设计了一种基于双注意力机制融合的FDA‑DeepLab语义分割算法，主要包括以下几个步骤：按照DeepLabv3+模型框架搭建ResNet‑50结构的特征提取网络，在特征提取网络后搭建空间金字塔池化ASPP模块；设计双注意力机制特征融合模块；基于双注意力机制特征融合模块，设计特征融合模块，将高级特征图和低级特征图输入到特征融合模块中，得到输出图像，再经过深度可分离卷积和上采样得到语义分割结果，至此，FDA‑DeepLab模型搭建完毕；采用预训练好的模型对FDA‑DeepLab骨干模型进行初始化，对模型进行训练，改进损失函数对训练进行优化，使用训练好的FDA‑DeepLab模型和DeepLabv3+模型对测试集进行图像分割，对比性能。

本发明授权一种基于双注意力机制融合的FDA-DeepLab语义分割算法在权利要求书中公布了：1.一种基于双注意力机制融合的FDA-DeepLab语义分割算法，其特征在于，包括以下步骤： 步骤1：按照DeepLabv3+模型框架搭建特征提取网络和空间金字塔池化ASPP模块； 步骤2：设计双注意力机制特征融合模块； 步骤3：基于双注意力机制特征融合模块，设计特征融合模块； 步骤4：对特征融合模块得到的输出图像进行深度可分离卷积和上采样，模型搭建完毕； 步骤5：训练模型，改进损失函数对训练进行优化，对比不同模型性能； 所述步骤1包括如下步骤： 步骤1.1：采用ResNet-50卷积神经网络模型，搭建特征提取网络，得到下采样率为4、8、16的低级特征图； 步骤1.2：在特征提取网络后搭建空间金字塔池化ASPP模块，得到高级特征图； 所述步骤2包括如下步骤： 步骤2.1：设对于同一个双注意力机制融合模块，低分辨率的高级特征图输入为ULI，特征图分辨率为H′×W′，高分辨率的低级特征图输入为UHI，特征图分辨率为H×W； 步骤2.2：对ULI进行上采样操作得到UL′I′，使UL′I′分辨率与UHI一致，即分辨率变为H×W；公式如下： UL'I'＝fupULI,UL'I'∈H×W×C 式中，fup表示上采样操作，一般采用双线性插值方法； 步骤2.3：对UL′I′进行通道注意力操作，得到ULI′，对UHI进行空间注意力操作，得到权重FS；将权重FS与ULI′相乘，得到ULO′；公式如下： ULI′＝fWR*z*UL′I′ FS＝[fs1,1,fs1,2,…,fsi,j,…,fsH,W] 式中，f表示Sigmoid函数，s为映射特征，WR为对应卷积操作的参数，z为压缩特征； 步骤2.4：把ULO′和UHI相加，并在后面加上一个1×1卷积核降维；公式如下： UO＝cULO'+UHI 式中，c表示1×1卷积操作。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。