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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于深度学习的轻量化图像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：CN116486080B 。

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：202310376737.2，技术领域涉及：G06V10/26；该发明授权一种基于深度学习的轻量化图像语义分割方法是由林镇源;张文辉;蒋小莲;贾茂宁;谢胜勇;李为坤设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种基于深度学习的轻量化图像语义分割方法在说明书摘要公布了：本发明公开一种基于深度学习的轻量化图像语义分割方法，先构建轻量化图像语义分割模型Mobile‑SegFormer；再利用已分割好的样本图像集对构建的轻量化图像语义分割模型进行训练，得到训练好的轻量化图像语义分割模型；后将待分割的图像送入到训练好的轻量化图像语义分割模型中，训练好的轻量化图像语义分割模型输出分割好的图片。本发明将SegFormer和MobileNetv3模型都进行了改进，无需通过Imagenet数据集的预训练，即可实现较高的分割精度，具有较友好的可移植性。通过实验进行对比，我们提出的Mobile‑SegFormer网络，相对于常见的轻量化网络，有着更准确的分割效果，相对于大型的分割网络，有着更轻量化的参数量和更低的每秒浮点运算值，能够较好的均衡Params、FLOPS和MIoU指标。

本发明授权一种基于深度学习的轻量化图像语义分割方法在权利要求书中公布了：1.一种基于深度学习的轻量化图像语义分割方法，其特征是，包括步骤如下： 步骤1、构建轻量化图像语义分割模型； 轻量化图像语义分割模型由1个卷积批归一化激活模块、15个瓶颈残差模块、4个融合门控注意力的多层感知模块、1个空间金字塔级联模块、1个门控注意力机制模块、1个剪枝模块、2个1×1卷积模块和1个双线性差值模块组成； 空间金字塔级联模块由4个深度可分离膨胀卷积模块、1个拼接模块、1个批归一化模块和1个激活模块组成；第一个深度可分离膨胀卷积模块的输入形成空间金字塔级联模块的第一个输入，第二个深度可分离膨胀卷积模块的输入形成空间金字塔级联模块的第二个输入，第三个深度可分离膨胀卷积模块的输入形成空间金字塔级联模块的第三个输入，第四个深度可分离膨胀卷积模块的输入形成空间金字塔级联模块的第四个输入；第一个深度可分离膨胀卷积模块的输出、第二个深度可分离膨胀卷积模块的输出、第三个深度可分离膨胀卷积模块的输出和第四个深度可分离膨胀卷积模块的输出同时连接拼接模块的输入，拼接模块的输出连接批归一化模块的输入，批归一化模块的输出连接激活模块的输入，激活模块的输出形成空间金字塔级联模块的输出； 卷积批归一化激活模块的输入形成轻量化图像语义分割模型的输入，卷积批归一化激活模块的输出连接第一个瓶颈残差模块的输入；15个瓶颈残差模块依次串联，第三个瓶颈残差模块的输出通过1个融合门控注意力的多层感知模块连接空间金字塔级联模块的第一个输入，第六个瓶颈残差模块的输出通过1个融合门控注意力的多层感知模块连接空间金字塔级联模块的第二个输入，第十二个瓶颈残差模块的输出通过1个融合门控注意力的多层感知模块连接空间金字塔级联模块的第三个输入，第十五个瓶颈残差模块的输出通过1个融合门控注意力的多层感知模块连接空间金字塔级联模块的第四个输入；空间金字塔级联模块的输出连接门控注意力机制模块的输入，门控注意力机制模块的输出连接剪枝模块的输入，剪枝模块的输出连接第一个1×1卷积模块的输入，第一个1×1卷积模块的输出连接第二个1×1卷积模块的输入，第二个1×1卷积模块的输出连接双线性差值模块的输入，双线性差值模块的输出形成轻量化图像语义分割模型的输出； 步骤2、利用已分割好的样本图像集对步骤1所构建的轻量化图像语义分割模型进行训练，得到训练好的轻量化图像语义分割模型； 步骤3、将待分割的图像送入到步骤2所得到的训练好的轻量化图像语义分割模型中，训练好的轻量化图像语义分割模型输出分割好的图片。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。