武汉工程大学徐国平获国家专利权
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！
龙图腾网获悉武汉工程大学申请的专利一种高效的信息保真下采样方法和下采样模块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：CN116012605B 。
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：202310086379.1，技术领域涉及：G06V10/52；该发明授权一种高效的信息保真下采样方法和下采样模块是由徐国平;王霞霞;肖利芳;冷雪松;廖文涛;张炫;吴兴隆设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。
本一种高效的信息保真下采样方法和下采样模块在说明书摘要公布了：本发明提供了一种高效的信息保真下采样方法和下采样模块，是分割任务中新的有效下采样方法；该模块使用Haar小波变换降低空间大小，同时增加特征通道的数量，使得空间的信息不会丢失；使用1乘1逐像素卷积运算学习代表性特征，以少量的学习参数提取图像的特征，提高语义分割的分割质量；实现了增强分割模型的性能和评估下采样后的特征的功能。本发明提出的通用下采样模块在不增加计算量的前提下直接替换池化层或跨步卷积层，并集成到当前所有的语义分割的架构中；本发明提出了新度量指标特征熵，用于对采样后的特征质量进行度量，评估输出特征图不确定度的大小。
本发明授权一种高效的信息保真下采样方法和下采样模块在权利要求书中公布了：1.一种高效的信息保真下采样方法，其特征在于：包括以下步骤： S1：将图像或特征图输入到高保真的下采样模块的无损特征编码部分进行特征编码，通过Haar小波变换进行分解； S2：将步骤S1编码后的特征输入到下采样模块的特征学习部分，学习有代表性的特征、改变特征图的通道数和过滤冗余信息； S3：采用特征质量度量指标特征熵评估步骤S2得到的下采样特征图；特征熵指标用于对采样后的特征质量进行定量的评估，对特征学习部分卷积层学到的特征数量进行测量，评估输出特征图不确定度的大小；得到的特征熵指标越小，表明模型对特征图进行很好的分割； 设下采样得到的特征图为F，有C个特征通道，双线性插值之后分辨率为H×W；P表示分割模型最后的预测结果，大小为H×W；P的总像素数用M表示，大小为H×W；则特征熵为： ； S4：定义训练过程中的损失函数为广义Dice损失和交叉熵损失之和。
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武汉工程大学，其通讯地址为：430074 湖北省武汉市洪山区雄楚大街693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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励