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！

龙图腾网获悉三江学院申请的专利基于无监督学习和交叉注意力的夜间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：CN116129429B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211446192.X，技术领域涉及：G06V20/70；该发明授权基于无监督学习和交叉注意力的夜间语义分割方法是由林兆骥;程健;杨少雄;姚莉设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于无监督学习和交叉注意力的夜间语义分割方法在说明书摘要公布了：本发明公开了一种基于无监督学习和交叉注意力的夜间语义分割方法，包括：步骤1：利用现有的语义分割模型作为骨干网络，基于含语义分割标签的白天图像、不含语义分割标签的白天图像和夜间图像，通过ClassMix策略计算混合损失，通过一致性正则化处理并计算一致性正则化损失，通过交叉注意力机制计算分割损失，通过生成静态标签并计算静态损失；根据混合损失、一致性正则化损失、分割损失和静态损失计算损失函数，基于损失函数训练夜间语义分割模型；步骤2：将待处理夜间图像输入至训练好的夜间语义分割模型，获得夜间语义分割模型输出的语义分割结果。本发明在没有夜间语义分割数据集的情况下提高夜间语义分割的准确度。

本发明授权基于无监督学习和交叉注意力的夜间语义分割方法在权利要求书中公布了：1.基于无监督学习和交叉注意力的夜间语义分割方法，其特征在于：包括 步骤1：训练夜间语义分割模型； 步骤101：获取样本图像，样本图像包括含语义分割标签的白天图像、不含语义分割标签的白天图像和夜间图像； 步骤102：基于含语义分割标签的白天图像和不含语义分割标签的夜间图像通过ClassMix策略计算混合损失； 步骤103：对不含语义分割标签的夜间图像进行一致性正则化处理并计算一致性正则化损失； 步骤104：基于含语义分割标签的白天图像和语义分割标签通过交叉注意力机制计算分割损失； 步骤105：对不含语义分割标签的白天图像生成静态标签并基于静态标签对不含语义分割标签的夜间图像进行监督，计算静态损失； 步骤106：根据混合损失、一致性正则化损失、分割损失和静态损失计算损失函数，基于损失函数训练夜间语义分割模型； 步骤2：获取待处理夜间图像，将待处理夜间图像输入至训练好的夜间语义分割模型，获得夜间语义分割模型输出的语义分割结果； 步骤103中，一致性正则化处理采用的是一致性正则化模块；步骤103具体包括： 一致性正则化模块为每个无标记的图像生成一个强增强的图像，再生成强增强图像的类别概率分布，然后将其用于KL散度；其中，对图像进行灰度偏移，对比度偏移得到弱增强图像；对图像进行灰度偏移，对比度偏移，叠加随机高斯噪声，得到强增强图像； 为了获得类别概率分布，在给定无标记图像Bn的弱增强图像的情况下计算模型的预测类别分布：，在处终止梯度反向传播，生成；然后，根据Bn的强增强图像也计算一个预测类别分布，最后用KL散度作为两个类别概率分布的距离，从而得到一致性正则化损失：； 步骤104具体包括： 步骤1041： 是夜间图像Bn经过特征提取网络后的输出特征，； 是夜间图像Bn对应的白天图像经过特征提取网络后的输出特征，； 经过1×1卷积之后生成特征图； 经过1×1卷积之后生成特征图；； 将Q转置之后与K进行矩阵乘法，并用softmax层计算注意力图： ； 其中是图像中的像素数，其中表示白天图像特征图中第i个位置对夜间图像特征图中第j个位置的影响，两个位置的特征表示越相似，它们之间的相关性就越大； 步骤1042：将特征输入1×1卷积层以生成新的特征图并将其形状改为；对V和S进行转置后的矩阵相乘；然后，乘积乘以一个比例参数α，形成一个注意力加权的特征图，将其添加到原始特征图中，这个过程表示为：；将α初始化为0，并将α设置为可学习的权重以在训练中自适应的调整； 步骤1043：对预测的类别似然图提出加权策略：对于每个类别，首先定义一个权重：；其中是源域中标记为类别k的所有有效像素的比例，的值越小，的值就越大；采用加权交叉熵损失来训练源域中的语义图像分割，从而计算分割损失： ； 其中是来自源图像的预测的第k个通道是第k个类别的标签的one-hot编码。

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三江学院，其通讯地址为：210012 江苏省南京市雨花台区龙西路310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。