海南大学程杰仁获国家专利权
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!
龙图腾网获悉海南大学申请的专利基于上下文级联和多尺度特征细化的语义分割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:CN116543155B 。
龙图腾网通过国家知识产权局官网在2025-07-11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:202310508273.6,技术领域涉及:G06V10/26;该发明授权基于上下文级联和多尺度特征细化的语义分割方法及装置是由程杰仁;花帅设计研发完成,并于2023-05-08向国家知识产权局提交的专利申请。
本基于上下文级联和多尺度特征细化的语义分割方法及装置在说明书摘要公布了:本发明公开了一种基于上下文级联和多尺度特征细化的语义分割方法及装置,所述方法应用于卷积神经网络,卷积神经网络包括基于上下文级联和多尺度特征细化的语义分割网络,方法包括:图像输入骨干网络进行特征编码;后输入上下文级联模块,各级不同感受野的特征图进行级联操作,获取具有全局特征的多尺度上下文信息特征图;将低维阶段的特征图输入多尺度特征细化模块通过通道切分及卷积,获取低维阶段多尺度空间信息,注意力指导后得到低维多尺度空间特征图,并和具有全局特征的多尺度上下文信息特征图深度融合,通过上采样实现特征图的预测。本发明实现了在资源受限平台上挖掘多尺度上下文信息和细化空间细节时更好的平衡分割准确率和推理速度。
本发明授权基于上下文级联和多尺度特征细化的语义分割方法及装置在权利要求书中公布了:1.一种图像分割的处理方法,其特征在于,所述方法应用于卷积神经网络中,所述卷积神经网络包括基于上下文级联和多尺度特征细化的语义分割网络,其中,所述基于上下文级联和多尺度特征细化的语义分割网络又包括:骨干网络、上下文级联模块、多尺度特征细化模块、上采样模块;所述上下文级联模块包括:多个不同扩张率组合的密集级联扩张卷积模块;所述方法包括: 将图像输入所述骨干网络后,对图像中的语义信息进行特征编码; 将骨干网络处理后的特征图输入所述上下文级联模块,将各级不同感受野的特征图进行级联操作,获取具有全局特征的多尺度上下文信息的特征图; 将骨干网络处理后的特征图输入所述多尺度特征细化模块通过通道切分及卷积,获取低维阶段多尺度空间信息,通过注意力指导后得到低维多尺度空间特征图; 将所述低维多尺度空间特征图和所述具有全局特征的多尺度上下文信息的特征图在所述多尺度特征细化模块进行深度融合; 将所述深度融合的特征图输入上采样模块,通过上采样后得到和原图像尺寸一样的特征图; 其中,所述将骨干网络处理后的特征图输入所述上下文级联模块,将各级不同感受野的特征图进行级联操作,获取具有全局特征的多尺度上下文信息的特征图,包括: 所述骨干网络处理后的特征图进入所述上下文级联模块通过通道压缩后,顺序输入所述不同扩张率组合的密集级联扩张卷积模块,在每个所述密集级联扩张卷积模块中依次进行多次不同扩张率的深度可分离卷积和通道递减,提取特征图中不同尺寸目标特征,得到特征图中不同尺寸目标的多尺度上下文信息,通过通道拼接后,和原始输入的特征图融合,所述不同扩张率组合的密集级联扩张卷积模块获取各自的具有不同感受野的多尺度特征图; 所述上下文级联模块将各级所述不同感受野的多尺度特征图级联后得到具有局部特征的多尺度上下文信息特征图; 将所述骨干网络处理后的特征图在所述上下文级联模块中经过通道压缩后进行全局池化操作,通过上采样得到具有全局特征表示的特征图; 所述上下文级联模块通过短期密集级联的方式,将具有全局特征表示的特征图与具有局部特征的多尺度上下文信息特征图进行级联操作,获取具有全局特征的多尺度上下文信息的特征图。
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海南大学,其通讯地址为:570100 海南省海口市人民大道58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”。
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。