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！

龙图腾网获悉江西师范大学申请的专利基于多尺度动态注意力的树木图像语义抠图的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：CN121458986B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610020936.3，技术领域涉及：G06V10/26；该发明授权基于多尺度动态注意力的树木图像语义抠图的方法是由郭凡;曾纪国;周德林;聂俊杰;汪婷;刘云骏;杨波设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本基于多尺度动态注意力的树木图像语义抠图的方法在说明书摘要公布了：本发明属于图像处理技术领域，公开一种基于多尺度动态注意力的树木图像语义抠图的方法，该方法首先对原始树木图像进行预处理，并编码目标边界框信息作为空间位置嵌入特征；随后通过语义感知编码模块提取图像的多层级语义特征，并与空间位置嵌入特征融合，形成增强的多尺度语义特征集合；将该特征输入动态增强抠图模块，借助U‑Net主干网络进行特征提取与还原，在瓶颈层嵌入多尺度动态空间注意力模块以自适应增强关键特征，同时在解码路径并行集成自适应边缘增强模块，以细化复杂边缘结构；最终融合多尺度特征生成高质量透明度遮罩。本发明通过多尺度动态注意力与自适应边缘增强的协同机制，有效提升了树木图像中复杂边缘与半透明区域的抠图精度。

本发明授权基于多尺度动态注意力的树木图像语义抠图的方法在权利要求书中公布了：1.基于多尺度动态注意力的树木图像语义抠图的方法，其特征在于：包括以下步骤， 对原始树木图像和用户提供的目标边界框信息进行预处理，并将所述目标边界框信息编码为空间位置嵌入特征； 将预处理后的图像输入到语义感知编码模块中，提取多层级语义特征，并将所述空间位置嵌入特征与所述多层级语义特征进行融合，得到增强的多尺度语义特征集合； 将所述多尺度语义特征集合输入到动态增强抠图模块中，通过U-Net主干网络进行特征提取与还原，其中，在所述U-Net主干网络的瓶颈层嵌入多尺度动态空间注意力模块进行自适应特征增强，同时在解码路径中集成自适应边缘增强模块进行边界细化； 对经所述动态增强抠图模块处理后的特征进行融合，生成最终的透明度遮罩; 所述多尺度动态空间注意力模块执行以下操作：接收来自所述U-Net主干网络瓶颈层的特征图作为输入；对输入的特征图在通道维度上进行全局平均池化，获取每个通道的全局特征； 将所述全局特征依次通过第一卷积层、ReLU激活函数及第二卷积层进行处理，生成一维权重向量，并将该一维权重向量重排为二维卷积核； 同时对输入的特征图在通道维度上进行求平均操作，生成单通道的空间特征图； 使用所述二维卷积核与所述单通道的空间特征图进行二维卷积运算，并将卷积结果通过Sigmoid函数进行归一化，生成空间注意力图； 将所述空间注意力图与输入的特征图进行逐元素相乘，输出加权的特征图; 所述自适应边缘增强模块执行以下操作：接收来自所述U-Net主干网络解码路径的特征图作为输入；对输入的特征图并行进行多尺度边缘检测，分别使用第一、第二和第三卷积核提取边缘特征，其中所述第一、第二和第三卷积核具有不同的感受野；将得到的多尺度边缘特征图进行拼接，并通过融合卷积层生成统一的边缘特征图；同时对输入的特征图进行全局平均池化，并经由全连接层预测自适应的增强强度系数；将统一的边缘特征图与得到的增强强度系数相乘，得到自适应加权的边缘权重图；将边缘权重图与输入的特征图进行拼接，并通过至少一个卷积层与激活函数进行特征变换，得到初级增强特征；将所述初级增强特征与输入的特征图进行二次拼接，最终通过1×1卷积层进行通道融合后输出。

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师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。