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！

龙图腾网获悉安徽大学申请的专利基于多尺度自注意力特征融合的小样本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：CN116342875B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310108995.2，技术领域涉及：G06V10/26；该发明授权基于多尺度自注意力特征融合的小样本分割方法是由江波;孙惠;陈缘设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本基于多尺度自注意力特征融合的小样本分割方法在说明书摘要公布了：本发明公开一种基于多尺度自注意力特征融合的小样本分割方法，首先使用在Imagenet上预训练过的孪生CNN作为主干网络来提取支持和查询样本的特征；将所得高级特征和中级特征分别输入至目标激活模块和多尺度自注意力特征融合模块，分别提取出目标激活图和查询样本增强后的特征表示；通过基于多尺度自注意力特征融合模块对各个尺度增强后的查询特征进行融合，把粗粒度信息和细粒度信息有效融合起来，更好的突出目标物体的边缘轮廓与位置；将融合后的多尺度查询特征图用于最终的小样本分割预测，通过多次迭代训练得到最后分割结果。

本发明授权基于多尺度自注意力特征融合的小样本分割方法在权利要求书中公布了：1.一种基于多尺度自注意力特征融合的小样本分割方法，其特征在于：包括以下步骤： 步骤1、输入类别一致的查询图像和支持图像，使用预训练好的卷积孪生神经网络作为特征提取器分别对查询图像和支持图像进行特征提取，以得到高级查询特征、中级查询特征、高级支持特征和中级支持特征； 步骤2、将包含语义信息的高级查询特征和高级支持特征通过余弦相似性计算转换为目标激活图，即分别计算高级查询特征中每个像素点与高级支持特征中所有像素点的余弦相似性，然后选取最大的作为当前目标激活图的像素点的值；所述目标激活图展示每个像素属于目标类的概率； 步骤3、将步骤1所得中级支持特征与之相对应的真值掩码对应位置相乘得到对应真值图，通过真值图来过滤支持图像中繁杂的背景信息，然后再通过全局池化操作得到支持图像的支持原型； 步骤4、把步骤1所得中级查询特征、步骤2所得目标激活图和步骤3所得支持原型输入到多尺度自注意特征融合模块，进而得到用于最终分割的新查询特征，详细过程如下： 首先，在[8,15,30,60]这四个尺度上把中级查询特征、支持原型以及目标激活图在通道维度上级联在一起，通过线性变换把四个尺度的通道大小再都映射为256，得到[8,15,30,60]四个尺度上的新的合并后的查询特征，k={1,2,3,4}代表如上四个不同的特征尺度大小； 然后，把四个不同尺度的特征图全部展开为特征向量，则共计有60*60+30*30+15*15+8*8个特征向量，即所有尺度像素点的查询特征； 最后，通过多尺度自注意特征融合模块使所有尺度像素点的特征充分交互，其中把所有像素点特征通过三种线性变换分别得到Q、K和V，融合后的新查询特征如公式3所示： 3 Q、K和V均是中间计算量，通过Q和K计算权重，以及通过权重与V聚合信息，τ是控制Softmax函数的平衡参数，Ins.Norm代表实例归一化操作； 所述多尺度自注意特征融合模块包括Self-Attention层，残差层和一个归一化层，Self-Attention层的输入token设置为4819，每个token大小1×1×256w×h×c；随后经过两层的全连接层以及softmax得到聚合信息的权重，接着与V聚合多尺度信息，再用残差连接合并原来的信息，最后用Ins.Norm进行实例归一化操作； 步骤5、把步骤4所得新查询特征图与真实的查询分割图做损失，通过多次迭代训练得到最后分割结果。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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。