Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 新疆大学;新疆医科大学第一附属医院李敏获国家专利权

新疆大学;新疆医科大学第一附属医院李敏获国家专利权

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!

龙图腾网获悉新疆大学;新疆医科大学第一附属医院申请的专利一种基于空间注意力机制的多模态图像分割模型和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:CN116977346B

龙图腾网通过国家知识产权局官网在2026-03-17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:202310955970.6,技术领域涉及:G06T7/10;该发明授权一种基于空间注意力机制的多模态图像分割模型和方法是由李敏;许可;王云玲;吕小毅;陈晨;马洪兵设计研发完成,并于2023-08-01向国家知识产权局提交的专利申请。

一种基于空间注意力机制的多模态图像分割模型和方法在说明书摘要公布了:本发明为一种基于空间注意力机制的多模态图像分割模型和方法。一种基于空间注意力机制的多模态图像分割模型,包括:编码器模块、解码器模块、跳跃连接模块、空间注意力模块和特征选择模块;所述的编码器模块和解码器模块用于提取特征和恢复图像;所述的跳跃连接模块用于将所述的编码器模块和解码器模块之间的特征图进行拼接;所述的空间注意力模块用于加强关注权重。本发明所述的一种基于空间注意力机制的多模态图像分割模型和方法,将模型和方法可以集成多模态图像信息,使用空间注意机制自适应地调整每个模态的权重,并通过不同的损失函数比率进行优化,解决了模型中的特征缺失问题,使模型聚焦更多关于重要区域。

本发明授权一种基于空间注意力机制的多模态图像分割模型和方法在权利要求书中公布了:1.一种基于空间注意力机制的多模态图像分割系统,其特征在于,所述的多模态图像分割模型包括:编码器模块、解码器模块、跳跃连接模块、空间注意力模块和特征选择模块; 其中,所述的编码器模块对输入数据进行提取特征; 所述的特征选择模块在解码时,选择信息丰富的特征,补充输入数据中的缺失特征; 所述的空间注意力模块和跳跃连接模块分别处理数据流,减少数据特征缺失,并进一步提高特征区域的权重; 所述的解码器模块用于恢复图像; 所述的空间注意力模块加强关注权重的过程为:先对图像进行池化,再对结果进行卷积和sigmoid计算,以获得用于对所选特征图进行加权的权重矩阵; 所述的对图像进行池化的过程为:对输入的特征图X进行平均池化和最大池化,得到两个特征图Xavg和Xmax; 所述的两个特征图Xavg和Xmax的公式如下: 其中,H、W分别表示为高度、宽度; 所述的对图像进行池化之后的过程为: a:将所述的两个特征图Xavg和Xmax进行拼接,得到特征图Xcat;再对所述的Xcat进行卷积操作,得到特征图Xconv; 所述的特征图Xconv的公式如下: Xconvi,j,k=σW2δW1Xcati,j,:; 其中,W1∈R1×1×2C×C和W2∈R1×1×C×C分别表示两个卷积层的权重,δ表示卷积操作,σ表示为sigmod函数; b:获得权重矩阵A,其公式为:Ai,j,k=Xconvi,j,k; c:所述的权重矩阵A与输入的特征图X相乘,就得到了经过空间注意力加强的特征图Xatt,其公式如下: Xatti,j,k=Ai,j,k×Xi,j,k。

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新疆大学;新疆医科大学第一附属医院,其通讯地址为:830000 新疆维吾尔自治区乌鲁木齐市天山区胜利路666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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。