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！

龙图腾网获悉大连理工大学申请的专利一种轻量化白盒Transformer的可逆自解释性语义分割网络的构建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：CN120451563B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510935229.2，技术领域涉及：G06V10/26；该发明授权一种轻量化白盒Transformer的可逆自解释性语义分割网络的构建方法是由范剑超;隋子泰;谢宇嘉;周辉;王心哲;何俊林;李萌萌;赵益智;王平卓设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种轻量化白盒Transformer的可逆自解释性语义分割网络的构建方法在说明书摘要公布了：一种轻量化白盒Transformer的可逆自解释性语义分割网络的构建方法，属于人工智能技术领域。首先，利用特征压缩和稀疏化理论推导得到一个核心目标函数。其次，对核心目标函数进行推理，得到正向轻量化白盒Transformer模块，包含白盒注意力结构和稀疏优化过程。再次，利用欧拉离散化方法求解核心目标函数的常微分方程，得到逆向轻量化白盒Transformer模块。最后，利用维度和数量均相同的EWTBlock模块、EWTBlock‑1模块，分别作为轻量化白盒Transformer的可逆自解释性语义分割网络的编码器和解码器，输出目标的语义分割。本发明能够解决传统网络结构和模块不具备可解释性以及Transformer参数量大，计算复杂等问题，能够实现全局可解释性建模和网络轻量化设计。

本发明授权一种轻量化白盒Transformer的可逆自解释性语义分割网络的构建方法在权利要求书中公布了：1.一种轻量化白盒Transformer的可逆自解释性语义分割网络的构建方法，其特征在于，所述构建方法具体为： 第一步，利用特征压缩和稀疏化理论推导得到一个核心目标函数； 第二步，对核心目标函数进行推理，得到正向轻量化白盒Transformer模块，并将正向轻量化白盒Transformer模块定义为EWTBlock模块，所述EWTBlock模块包含两个部分：白盒注意力结构和稀疏优化过程； 第三步，所述EWTBlock模块具有可逆性，利用欧拉离散化方法求解核心目标函数的常微分方程，得到逆向轻量化白盒Transformer模块，将其定义为EWTBlock-1模块，EWTBlock-1模块通过重建深度压缩的特征细节信息； 第四步，利用维度和数量均相同的EWTBlock模块、EWTBlock-1模块，分别作为轻量化白盒Transformer的可逆自解释性语义分割网络的编码器和解码器，输出目标的语义分割，完成轻量化白盒Transformer的可逆自解释性语义分割网络的搭建； 所述第一步具体为： 步骤1.1，使用块裁剪策略将输入图像I剪裁成特征集，并对特征集中蕴含的编码率进行估计得到；同时将特征集进行条件约束分组划分，估计划分后的特征集的编码率；特征集中编码率与划分后的特征集的编码率之差，作为神经网络中的信息增益的具体体现，如公式（1）、（2）、（3）所示： （1）； （2）； （3）； 其中：是特征集的编码率的估计；是在条件约束分组下对特征集的编码率的估计；是条件约束分组；和是常数；表示对特征集在条件约束分组后得到的不同子集的数量；为其中包含的常数，且满足；是矩阵行列式的对数；表示单位矩阵； 步骤1.2，特征集随机分解为标记特征，每个标记特征都蕴含着特征集丰富的局部语义信息；使用子空间对标记特征进行非线性变换，得到每个标记特征的子空间投影，如公式（4）所示： （4）； 其中：表示标记特征在子空间中的投影特征；表示特征集被随机分解为标记特征的个数位置信息，表示子空间的转置；的编码率的估计，如公式（5）所示： （5）； 其中：表示一个常数；表示的编码率的估计； 步骤1.3，将标记特征在子空间中的投影特征的编码率进行聚合和累加，估计整个特征集的编码率，如公式（6）所示： （6）； 其中：表示子空间的总数量；q表示子空间个数位置信息，；表示标记特征； 由于是在特征集的子空间条件下定义的，因此，特征集的编码率之差目标函数表示，如公式（7）所示： （7）； 其中：表示特征集的编码率之差目标函数； 根据公式（7），通过最大化特征集的编码率之差目标函数，以获得更加压缩和简化的特征表示； 步骤1.4，在最大化特征集的编码率之差目标函数的过程中，特征集的稀疏性保持不变；将最大化特征集的编码率之差目标函数和稀疏性F1范数合并为一个核心目标函数，如公式（8）所示： （8）； 其中：为常数；表示特征集在核心目标函数优化的期望；是F范数，用于约束特征集的稀疏性。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。