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！

龙图腾网获悉四川大学申请的专利一种基于SAM模型的动态Prompt约束与边缘锚点引导的图像分割方法、装置、存储介质及电子设备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：CN120279276B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510765209.5，技术领域涉及：G06V10/26；该发明授权一种基于SAM模型的动态Prompt约束与边缘锚点引导的图像分割方法、装置、存储介质及电子设备是由许辰琳;王利团;张蕾;马鹏飞;蒲鑫宇;谢钰馨;朱奕滔设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本一种基于SAM模型的动态Prompt约束与边缘锚点引导的图像分割方法、装置、存储介质及电子设备在说明书摘要公布了：本申请提供了一种基于SAM模型的动态Prompt约束与边缘锚点引导的图像分割方法、装置、存储介质及电子设备，涉及图像分割技术领域，所述方法包括：采用MLP结构设计并训练得到轻量级动态调节网络；利用轻量级动态调节网络，控制用户提供的交互式提示引入图像编码器的强度与空间范围；基于边缘锚点引导机制训练图像编码器；将交互式提示的引入结果和图像输入至图像编码器得到图像嵌入向量；将交互式提示输入至提示编码器得到提示嵌入向量；将图像嵌入向量和提示嵌入向量输入至掩码解码器进行交互，经过多层交叉注意力以及上采样之后得到分割的掩码图像。本方法有效解决了传统弱标注条件下分割边界模糊与目标不一致的问题，展现出极强的医学图像分割能力与泛化性。

本发明授权一种基于SAM模型的动态Prompt约束与边缘锚点引导的图像分割方法、装置、存储介质及电子设备在权利要求书中公布了：1.一种基于SAM模型的动态Prompt约束与边缘锚点引导的图像分割方法，其中，所述SAM模型中设置有图像编码器、提示编码器和掩码解码器，其特征在于，所述方法包括： 采用MLP结构设计并训练得到轻量级动态调节网络； 利用所述轻量级动态调节网络，控制用户提供的交互式提示引入图像编码器的强度与空间范围； 基于边缘锚点引导机制训练所述图像编码器； 将交互式提示的引入结果和用户提供的图像输入至训练后的所述图像编码器，处理得到图像嵌入向量； 将用户提供的交互式提示输入至所述提示编码器处理得到提示嵌入向量； 将所述图像嵌入向量和所述提示嵌入向量输入至所述掩码解码器进行交互，经过多层交叉注意力以及上采样之后得到分割的掩码图像； 采用MLP结构设计轻量级动态调节网络，包括： 采用MLP＋多头输出的轻量化架构设计得到轻量级动态调节网络； 训练轻量级动态调节网络的过程包括： 采用三阶段渐进式训练方案训练所述轻量级动态调节网络，包括： 第一阶段，冻结主干网络，仅训练与交互式提示相关的模块； 第二阶段，解冻高层网络进行调整； 第三阶段，调整全模型参数； 所述利用所述轻量级动态调节网络，控制用户提供的交互式提示引入图像编码器的强度与空间范围，包括： 将用户提供的交互式提示和所述图像编码器中不同层输出的特征图输入至所述轻量级动态调节网络进行处理，生成一组随层级自适应变化的融合权重和扩散系数； 所述基于边缘锚点引导机制训练所述图像编码器，包括： 采用深度可分离卷积从所述图像编码器的浅层特征中提取边缘响应，配合批量归一化层与高斯误差线性单元激活生成锚点掩码； 建立双重对齐机制，在空间维度利用锚点掩码在反向传播中屏蔽非锚点区域梯度，仅更新锚点对应权重，在语义维度计算深层特征与锚点特征的L2对齐损失函数； 采用交替训练策略，在奇数训练周期仅将锚点区域参与梯度更新，偶数训练周期则将全图恢复正常训练； 在整个训练过程中，通过可学习门控参数动态平衡图像编码器中的深浅层特征交互。

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四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24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”。