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！

龙图腾网获悉江西理工大学申请的专利一种基于多尺度特征交互和增强的实时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：CN116385719B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310224674.9，技术领域涉及：G06V10/26；该发明授权一种基于多尺度特征交互和增强的实时语义分割方法是由刘春燕;罗会兰设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本一种基于多尺度特征交互和增强的实时语义分割方法在说明书摘要公布了：本发明提供一种基于多尺度特征交互和增强的实时语义分割方法，涉及计算机视觉领域。该基于多尺度特征交互和增强的实时语义分割方法，包括以下步骤：S1.通过主干网络得到丰富的空间特征和语义特征；S2.增强高级语义特征；S3.增强的语义特征和浅层空间特征进行信息交互；S4.融合多尺度特征产生分割预测图。通过聚合高级语义特征，有效增强上下文特征的表示能力，从而获得更具有鉴别性的特征用以处理相似目标；而浅层特征的融合为模型补充了空间细节信息，在分割小物体方面具有较好的性能。该模型通过单个特征提取流来解决实时语义分割挑战，用最小化计算成本增强了空间和语义信息交互，实现了高精度分割和快速推理的平衡。

本发明授权一种基于多尺度特征交互和增强的实时语义分割方法在权利要求书中公布了：1.一种基于多尺度特征交互和增强的实时语义分割方法，其特征在于：该实时语义分割方法包括以下步骤： S1.首先通过在ImageNet预训练的ResNet18作为编码器网络提取分层特征；将ResNet18的前三个阶段划分为空间路径，得到丰富的低级空间特征，同时将整个编码网络看作语义路径以获得高级上下文特征； S2.将在S1中获得的高级上下文特征注入语义增强模块，通过空间注意力分支、通道注意力分支和权重学习分支聚合高级语义特征，最终得到增强的语义特征； 空间注意力分支由两个1×1卷积层组成；通道注意力分支由全局平均池层和两个1×1卷积层组成；权重学习分支由3×3卷积层、ReLu激活和softmax函数组成； S3.然后将S2得到的增强的语义特征送入信息交换模块与S1中的低级空间特征交互，实现信息的交互并生成语义增强和空间增强的特征； S4.再将S3得到的结果全部送入注意力融合模块以聚合细化的空间特征和语义特征，最后采用1×1卷积层和上采样算子生成最终分割预测。

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江西理工大学，其通讯地址为：341000 江西省赣州市客家大道1958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。