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！

龙图腾网获悉四川大学申请的专利一种基于相同下采样频率的语义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：CN116188771B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202111407608.2，技术领域涉及：G06V10/26；该发明授权一种基于相同下采样频率的语义分割方法是由张媛媛;陈彦如;王浩;廖俊华;冯康慧;陈俊任;李亚洁;陈是澎;代湖明;陈良银设计研发完成，并于2021-11-24向国家知识产权局提交的专利申请。

本一种基于相同下采样频率的语义分割方法在说明书摘要公布了：本发明公开了一种基于相同下采样频率的语义分割方法。该方法为了解决现有神经网络无法很好地实现多尺度特征融合的问题，在使用ResNet‑50进行特征提取的过程中，会经过5次下采样来保留图片中的主要特征信息，每次下采样后的信息，都会经过对应的特征处理网络，来提升特征的感受野。ResNet50网络第一次下采样后的底层信息，会经过具有4次下采样的U‑Net网络处理，再通过跨层连接与上采样后的信息进行合并，ResNet50网络第二次下采样后的信息，会经过具有3次下采样的U‑Net网络处理，再进行信息融合。对特征进行上采样的过程中，利用跨层连接，来融合语义分割网络中处理后的底层细粒度信息和高级语义信息。

本发明授权一种基于相同下采样频率的语义分割方法在权利要求书中公布了：1.一种基于相同下采样频率的语义分割方法，其特征在于，其步骤为：步骤1、构造语义分割数据集，并给数据集中的图片打上标签；步骤2、往语义分割网络中输入一张三通道的待识别图片；步骤3、使用图像特征提取网络ResNet‑50，实现对待识别图片的高级语义信息提取；步骤4、利用双线性插值的方法对提取出的高级语义信息进行上采样，以恢复图片的分辨率；步骤5、总共会进行五次的上采样，每次上采样之后都会进行特征融合；步骤6、生成分辨率大小和输入图片一样的结果图，并利用损失函数Dice Loss计算结果图和目标图的差异，并将误差返回网络中，利用反向传播算法调整神经网络的参数，最终语义分割网络能正确分割出待识别图片中的目标； 步骤3在使用ResNet‑50对待识别图片进行特征提取的过程，会经过5次下采样来保留图片中的主要特征信息，并减少神经网络的计算损耗，每次下采样后的信息，都会经过一个对应的特征处理网络，来提升下采样后的特征的感受野，ResNet50网络第一次下采样后的底层信息，会经过具有4次下采样的U‑Net网络处理，然后再通过跨层连接与上采样后的信息进行合并，ResNet50网络第二次下采样后的信息，会经过具有3次下采样的U‑Net网络处理，然后再进行信息融合，依次类推； 语义分割网络的算法结构由编码器、多尺度特征增强模块和解码器三部分组成；输入的三通道图像首先进入以ResNet‑50为主干的编码器，通过一次卷积和一次最大池化进行初步下采样，再经过五个阶段的残差组块完成五次下采样，提取从浅层纹理到深层语义的多尺度特征；每次下采样后的特征都会送入一个简化U‑Net特征处理网络，不同层的简化U‑Net下采样次数依次为4、3、2、1和0，以保证所有分支达到相同的下采样深度；解码器部分共进行五次上采样，每次上采样先利用双线性插值将当前特征放大一倍，再与编码器中对应层经简化U‑Net处理后的特征进行跨层连接，在通道维度上拼接后经过卷积融合，逐层恢复图像分辨率；具体对应关系为：第一次上采样融合第四次下采样的特征，第二次融合第三次，第三次融合第二次，第四次融合第一次，第五次上采样仅用于恢复原始图像尺寸，不再进行融合；最后通过1×1卷积映射到类别通道，输出最终的分割结果。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。