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！

龙图腾网获悉北京理工大学申请的专利一种图像实例分割方法、电子设备及介质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：CN117315255B 。

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：202311374168.4，技术领域涉及：G06V10/26；该发明授权一种图像实例分割方法、电子设备及介质是由张旭东;刘颖群;邹渊;樊杰设计研发完成，并于2023-10-23向国家知识产权局提交的专利申请。

本一种图像实例分割方法、电子设备及介质在说明书摘要公布了：本发明公开一种图像实例分割方法、电子设备及介质，涉及图像处理技术领域，该方法包括获取目标图像；将目标图像输入至训练好的图像识别模型中，得到第一图像中每一物体的中心像素点的位置坐标；第一图像为经训练好的图像识别模型处理后的图像；对第一图像进行尺寸还原，并根据第一图像中每一物体的中心像素点的位置坐标以及目标映射关系得到目标图像中每一物体的中心像素点的位置坐标；将目标图像和目标图像中每一物体的中心像素点的位置坐标输入至训练好的图像分割模型中，得到目标分割结果。本发明基于每一物体的中心像素点的位置坐标以及目标图像进行图像实例分割，得到的目标分割结果更加准确，且相比于现有技术逐像素分割的方法效率更高。

本发明授权一种图像实例分割方法、电子设备及介质在权利要求书中公布了：1.一种图像实例分割方法，其特征在于，所述方法包括： 获取目标图像； 将所述目标图像输入至训练好的图像识别模型中，得到第一图像中每一物体的中心像素点的位置坐标；所述第一图像为经所述训练好的图像识别模型处理后的图像；所述训练好的图像识别模型是以样本图像为输入，以样本图像对应的第一样本图像中每一样本物体的中心像素点的位置坐标为标签训练得到的模型；所述图像识别模型包括编码器和解码器；所述编码器包括第一特征提取网络、第二特提取网络、特征整合网络； 其中，所述第一特征提取网络用于对所述目标图像进行不同尺度特征提取，得到第一特征、第二特征和第三特征； 所述第二特提取网络用于： 分别对所述第一特征、所述第二特征和所述第三特征进行卷积操作，得到第一卷积特征、第二卷积特征和第三卷积特征； 对所述第三卷积特征进行下采样操作，得到第一下采样特征； 对所述第一下采样特征和第二卷积特征进行相加操作，得到第一相加特征； 对所述第一相加特征进行下采样操作，得到第二下采样特征； 对所述第二下采样特征和所述第一卷积特征进行相加操作，得到第二相加特征； 对所述第一相加特征、所述第二相加特征和所述第三卷积特征分别进行卷积操作，得到第四卷积特征、第五卷积特征和第六卷积特征； 对所述第四卷积特征、所述第五卷积特征和所述第六卷积特征进行拼接操作，得到拼接特征； 所述特征整合网络用于： 对所述拼接特征进行卷积操作，得到拼接卷积特征； 对所述拼接卷积特征进行多次第一卷积操作，并对多次第一卷积操作后的特征进行维度变化操作，得到第一维度特征； 对所述拼接卷积特征进行至少一次第二卷积操作，并对至少一次第二卷积操作后的特征进行维度变化操作，得到第二维度特征； 对所述第一维度特征和所述第二维度特征进行张量相乘，得到整合相乘结果； 所述解码器用于对所述整合相乘结果进行解码，得到第一图像中每一物体的中心像素点的位置坐标； 对所述第一图像进行尺寸还原，得到第二图像，并根据所述第一图像中每一所述物体的中心像素点的位置坐标以及目标映射关系得到所述目标图像中每一所述物体的中心像素点的位置坐标；所述目标映射关系为所述第二图像与所述目标图像的映射关系，所述第二图像的像素与所述目标图像的像素一一映射； 将所述目标图像和所述目标图像中每一所述物体的中心像素点的位置坐标输入至训练好的图像分割模型中，得到目标分割结果；所述训练好的图像分割模型是以样本图像和样本图像中每一样本物体的中心像素点的位置坐标为输入，以样本分割结果为标签训练得到的模型；所述图像分割模型为SAM模型。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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。