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 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 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 > 广州大学蔡长青获国家专利权

广州大学蔡长青获国家专利权

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!

龙图腾网获悉广州大学申请的专利用于像素级裂缝分割的多尺度三注意网络构建方法及装置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:CN116883678B

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:202310792596.2,技术领域涉及:G06V10/40;该发明授权用于像素级裂缝分割的多尺度三注意网络构建方法及装置是由蔡长青;高梦恬;徐昊雯;梁增贤;吴佳臻;余晓雯;李丹虹;梁懋林;卢思雅设计研发完成,并于2023-06-29向国家知识产权局提交的专利申请。

用于像素级裂缝分割的多尺度三注意网络构建方法及装置在说明书摘要公布了:本说明书实施例提供了一种用于像素级裂缝分割的多尺度三注意网络构建方法及装置,其中,方法包括:采用ResNet18网络作为基础网构建骨干网;在所述骨干网中嵌入多尺度输入策略,通过所述多尺度输入策略检测特征信息得到多尺度特征图;对不同分辨率的多尺度特征图进行融合,得到融合后的多尺度特征图;基于融合后的多尺度特征图通过AAF块使用指导底层特征映射的特征学习,得到增强的多尺度特征图;基于所述增强的多尺度特征图,通过TA块检测注意特征得到聚合注意力特征图,通过MSTA‑Net的损失函数,基于裂纹缺陷数据集,根据所述聚合注意力特征图指导端到端的像素裂纹检测网络即多尺度三注意网络的训练。

本发明授权用于像素级裂缝分割的多尺度三注意网络构建方法及装置在权利要求书中公布了:1.一种用于像素级裂缝分割的多尺度三注意网络构建方法,其特征在于,包括: 采用ResNet18网络作为基础网构建骨干网; 在所述骨干网中嵌入多尺度输入策略,通过所述多尺度输入策略检测特征信息得到多尺度特征图; 对不同分辨率的多尺度特征图进行融合,得到融合后的多尺度特征图;具体包括:从基础网获得不同分辨率的多尺度特征图,通过双线性插值处理,得到具有相同特征通道和维度的多尺度特征图f1,f2,f3,f4;通过特征拼接将各个比例尺上的多尺度特征图进行融合,融合后的多尺度特征图包含局部特征信息和全局上下文信息;采用1×1卷积层+BN层对融合后的特征图进行通道调整处理,生成最终的融合后的多尺度特征图F; 基于融合后的多尺度特征图通过AAF块使用指导底层特征映射的特征学习,得到增强的多尺度特征图;具体包括: 设置F为融合后的多尺度特征图,fi为双线性插值后的多尺度特征图,在特征学习之前,对两个输入多尺度特征图进行1×1卷积,得到F和fi相同的通道号,基于公式1通过Mish激活函数、1×1卷积和sigmoid激活函数得到多尺度特征图的注意权值: 公式1; 其中,表示注意力权重,表示1×1卷积,σ表示sigmoid激活函数; 将得到的注意权值乘以fi,用于底层特征图的特征学习,以增强特征表示能力,并根据公式2在AAF块中引入残差连接: 公式2; 其中,表示通过特征学习得到的多尺度特征图; 基于所述增强的多尺度特征图,通过TA块检测注意特征得到聚合注意力特征图,其中,所述TA块包括:空间注意、通道注意和像素注意; 通过MSTA-Net的损失函数,基于裂纹缺陷数据集,根据所述聚合注意力特征图指导端到端的像素裂纹检测网络即多尺度三注意网络的训练。

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广州大学,其通讯地址为:510006 广东省广州市番禺区小谷围街道大学城外环西路230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。