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！

龙图腾网获悉西北工业大学申请的专利一种基于渐进式近邻聚合的精细化图像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：CN116246065B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211621971.9，技术领域涉及：G06V10/26；该发明授权一种基于渐进式近邻聚合的精细化图像语义分割方法是由刘婷;朱宏坤;张艳宁设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于渐进式近邻聚合的精细化图像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渐进式近邻聚合的精细化图像语义分割方法ProgressiveNeighbodrhoodAggregation，PNA，通过逐步细化的方式，实现精细化的图像语义分割。PNA包括近邻聚合模块NeighborhoodAggregationModule，NAM和自聚合模块SelfAggregationModule，SAM两个主要模块，其中NAM利用不同分辨率特征中近邻像素的相关性来聚合语义特征；SAM通过通道上的注意力机制，增强重要的语义信息，补充丢失的细节信息。本发明利用不同分辨率的特征逐步细化分割结果，提升了分割性能，促进了相关应用的发展。

本发明授权一种基于渐进式近邻聚合的精细化图像语义分割方法在权利要求书中公布了：1.一种基于渐进式近邻聚合的精细化图像语义分割方法，其特征在于，包括以下步骤： 步骤1：将输入图像I∈R3×H×W输入骨干网络中，经过骨干网络提取得到四个不同分辨率的特征其中m∈{1,2,3,4}； 特征F1经过1x1Conv，通道数变为C，对应C个语义类别，即得到初始的分割结果 步骤2：在得到Fm和P0后，通过渐进式近邻聚合模块PNA使用特征F1对P0逐步进行细化，渐进式近邻聚合模块PNA包括两个模块，分别为近邻聚合模块NAM和自聚合模块SAM； 在近邻聚合模块NAM中，设定L*L大小的窗口，计算每个位置在窗口内与近邻像素的相似度，用于聚合语义特征，具体如下： 步骤2-1：首先将F1和P0的维度由C,H1,W1变为H1,W1,C，之后分别进行正则化，判断H1和W1都是否满足大于等于L，若不满足时在右侧或下方填充0； 步骤2-2：采用多头注意力，注意力头的个数设置为hn，每个注意力头对应的通道数为cn＝Chn；Q和K由F1经过式1所示的线性映射后改变维度得到，维度为hn,H1,W1,cn；V由P0经过式1所示的线性映射后改变维度得到，维度为hn,H1,W1,cn； Q＝WqF1,K＝WkF1,V＝WvP01其中，Q、K、V分别对应Transformer结构中的Query矩阵，Key矩阵和Value矩阵，F1和P0为变换矩阵； 步骤2-3：计算每个位置与近邻像素的相似度； 将Q中i,j处的特征Qi,j的维度由hn,1,1,cn改变为hn,1,cn；i,j在窗口内的近邻像素的key矩阵为维度为hn,L×L,cn；按照式2计算i,j与近邻像素的相似度Si,j，其中B是相对位置编码，来自于偏置矩阵在前文已经介绍过； 其中，B是相对位置编码，由参数化的偏置矩阵定义； 得到的Si,j的维度大小为hn,1,L×L，再根据式3计算得到P0中i,j处聚合后的特征 计算得到所有位置的特征后，即可得到聚合的特征 步骤3：在自聚合模块SAM中，采用Transformer结构，选用多头自注意力，其中注意力头的个数设置为hs，每个注意力头对应的维度cs＝Chs； 步骤3-1：对特征F1首先进行正则化，之后通过1x1Conv和3x3DWConv得到 分别对应Transformer结构中的Query矩阵，Key矩阵和Value矩阵；如式4所示： 的特征维度为hs,cs,H1×W1； 步骤3-2：得到后，与转置后的相乘得到通道上的注意力attn，特征维度为hs,cs,cs；attn经softmax处理后与相乘，得到自注意力的结果特征维度大小为hs,cs,H1×W1，如下式所示： 其中，α表示一个可学习的缩放参数； 再改变的维度大小，由hs,cs,H1×W1变为C,H1,W1，经过一层1x1Conv后得到SAM模块的输出 步骤4：得到和后，将二者相加，所得结果记为 经过正则化后，输入到前馈网络FFN中，并和相加后，输入到1x1Conv进行分割预测，得到细化后的分割结果P1；整个过程如下所示： 步骤5：对P1进行上采样，采样到与F2相同的大小；重复步骤2到步骤4的方法，得到细化的分割结果P2；以此类推，重复上述过程得到最终的细化结果P4。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。