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！

龙图腾网获悉北京工业大学申请的专利一种基于Transformer架构的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：CN115482382B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211132360.8，技术领域涉及：G06V10/26；该发明授权一种基于Transformer架构的图像语义分割方法是由刘博;李金书;王慧娜设计研发完成，并于2022-09-17向国家知识产权局提交的专利申请。

本一种基于Transformer架构的图像语义分割方法在说明书摘要公布了：一种基于Transformer架构的图像语义分割方法属于医学图像分割技术领域。本发明提供一种带有移动窗口的分层SwinTransformer编码器来提取图像上下文特征的方法。首先图像块被输入到基于Transformer的编码器‑解码器架构中，其中移动窗口机制的设计使得特征包含信息更全面。而UNet++模型中嵌套和密集的跳跃连接能够充分提取上下文特征，使得特征融合更充分。

本发明授权一种基于Transformer架构的图像语义分割方法在权利要求书中公布了：1.一种基于Transformer架构的图像语义分割方法，其特征在于： 步骤1、预处理模块；将初始输入的图像缩放，调整后的图像尺寸记为W×H,其中W表示图像的宽，H表示图像的高，W×H描述图像的分辨率，即像素点的个数；接着对输入图像进行数据增强，以增加数据多样性；PatchPartition将图像的尺寸压缩；LinearEmbedding则利用线性嵌入层将投影的特征维转化为任意维C； 步骤2、Swin-UNet++模块；基于SwinTransformer块对步骤1输出的特征图进行学习；使用patch合并层和SwinTransformer块完成下采样，使用patch扩展层和SwinTransformer块完成上采样；下采样过程中，通过多个SwinTransformer块和patch合并层，生成分层特征表示；上采样过程则包括多个SwinTransformer块和patch扩展层；通过跳跃连接将提取的上下文特征与编码器的多尺度特征融合，以弥补下采样造成的空间信息损失； 步骤3、恢复模块进行图像的像素级预测 恢复模块的结构依次为：Swin-UNet++模块输出的特征图→patch扩展层→LinearProjection层→输出图像像素级预测结果 步骤3.1利用最后一层patch扩展层对特征图进行上采样，将Swin-UNet++模块输出的特征图的分辨率恢复到输入分辨率W×H；这一patch扩展层首先通过一个全连接层扩展通道数，此处设置输出张量的维度为输入的16倍，并利用rearrangeoperation将相邻维度的特征图重组成更大的特征图，再进行LayerNorm通道归一化处理，实现上采样； 步骤3.2对这些上采样的特征进行线性投影，输出像素级的分割预测结果W×H×Class，其中Class为像素级分类的类别数，H表示图像的高，W表示图像的宽； 自此，完成将图像输入到定义好的Swin-UNet++网络并得到像素级的预测结果，根据真实标签与预测结果计算DSC即Dice相似系数；记录在分割图像各个子类的DSC参数和分割图像整体的DSC参数，以评估分割的准确率；其中DSC即Dice相似系数用于度量两个集合的相似度，取值范围为[0,1],值越大，表示两个集合越相似。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。