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！

龙图腾网获悉华中科技大学申请的专利一种语义对齐的实时语义分割方法、系统及存储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：CN116704187B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310670044.4，技术领域涉及：G06V10/26；该发明授权一种语义对齐的实时语义分割方法、系统及存储介质是由高常鑫;徐正泽;吴东岳;桑农设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种语义对齐的实时语义分割方法、系统及存储介质在说明书摘要公布了：本发明公开了一种语义对齐的实时语义分割方法、系统及存储介质，属于实时语义分割领域，包括：训练阶段：采用训练集对实时语义分割模型训练，所述训练集中各样本包括与语义分割任务相关的图像及对应的用于指示分割结果的标签；所述实时语义分割模型包括：卷积网络、语义提取分支以及语义对齐网络；所述卷积网络包括局部卷积模块、卷积注意力模块及语义解码模块；应用阶段：将待处理的图像输入至训练好的卷积网络中，得到分割结果。本发明能够提高实时语义分割任务的准确度，并通过在推理时舍弃语义提取分支和语义对齐网络，简化推理时主干网络为单分支卷积网络，以高分割精度和低推理延迟的特性，改善了实时语义分割网络在实际应用中部署的前景。

本发明授权一种语义对齐的实时语义分割方法、系统及存储介质在权利要求书中公布了：1.一种语义对齐的实时语义分割方法，其特征在于，包括： 训练阶段：采用训练集对实时语义分割模型训练，所述训练集中各样本包括与语义分割任务相关的图像及对应的用于指示分割结果的标签；所述实时语义分割模型包括：卷积网络、语义提取分支以及语义对齐网络； 所述卷积网络包括局部卷积模块、卷积注意力模块及语义解码模块； 所述局部卷积模块用于提取输入样本中的底层特征，以生成空间特征图；所述卷积注意力模块用于对所述空间特征图进行卷积注意力操作以得到特征增强的特征图；所述语义解码模块用于对所述特征增强的特征图进行多尺度池化聚合后再与所述空间特征图拼接，得到拼接后的特征图，并逐点分类得到预测的语义分割图； 所述语义提取分支用于对输入样本进行分层Transformer特征编码操作，输出不同尺度的语义特征图；所述语义提取分支包括：patch嵌入层、多个串联的Transformer编码块及一个特征解码模块；所述patch嵌入层用于对输入样本进行下采样和分patch操作，以实现图像压缩及匹配所述多个串联的transformer编码块的输入形式要求；所述多个串联的Transformer编码块用于对压缩后的图像进行分层Transformer特征编码操作，得到语义特征图；所述特征解码模块用于对所述语义特征图进行解码，得到解码特征图；以及对所述解码特征图进行分类得到分割图； 所述语义对齐网络用于将所述特征增强的特征图、所述拼接后的特征图及所述预测的语义分割图分别与对应尺度的语义特征图进行形状对齐，以使所述卷积网络捕获所述语义特征图中的语义信息；所述语义对齐网络包括特征对齐层和语义对齐损失函数；所述特征对齐层用于将所述特征增强的特征图与所述语义特征图形状对齐，将所述拼接后的特征图与所述解码特征图形状对齐，及将所述预测的语义分割图与所述解码特征图进行分类得到分割图形状对齐；所述语义对齐损失函数用于对所述特征对齐层进行形状对齐后的特征计算通道层次的相似度，并基于所述相似度监督所述卷积网络参数学习； 应用阶段： 将待处理的图像输入至训练好的卷积网络中，得到分割结果。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。