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！

龙图腾网获悉广西科技大学申请的专利基于仿生双向多尺度级联轻量化的实时边缘检测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：CN117115190B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310907285.6，技术领域涉及：G06T7/13；该发明授权基于仿生双向多尺度级联轻量化的实时边缘检测方法是由林川;黄思涵;王雄震;张家佳;骆政樵;李福章;潘勇才;韦艳霞设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本基于仿生双向多尺度级联轻量化的实时边缘检测方法在说明书摘要公布了：本发明旨在提供一种基于仿生双向多尺度级联轻量化的实时边缘检测方法，包括以下步骤：A、构建神经网络，神经网络结构具体如下：包括编码网络和解码网络；所述的编码网络包括N组S2D模块和N组D2S模块，S2D模块和D2S模块组数相同；B、原始图像输入编码网络中，分为两路，第一路依次经过多组S2D模块处理；第二路先经过卷积层下采样处理，然后依次经过多组D2S模块处理；将第一路多组S2D模块的处理结果和第二路多组D2S模块的处理结果拼接，得到N个处理结果，输入解码网络中；C、解码网络对从编码网络输入的多个结果进行解码后，得到最终输出轮廓。本发明大为降低了参数规模和计算成本，同时具有较好的边缘检测性能。

本发明授权基于仿生双向多尺度级联轻量化的实时边缘检测方法在权利要求书中公布了：1.一种基于仿生双向多尺度级联轻量化的实时边缘检测方法，其特征在于包括以下步骤： A、构建神经网络，神经网络结构具体如下： 包括编码网络和解码网络； 所述的编码网络包括N组S2D模块和N组D2S模块，S2D模块和D2S模块组数相同； B、原始图像输入编码网络中，分为两路，第一路依次经过多组S2D模块处理，按照处理顺序对各组进行编号，分别得到各组S2D模块处理结果H2x-1×W2x-1×C2x-12，其中X代表S2D模块组号； 第二路先经过卷积层下采样处理，使其分辨率和通道数与最后一组S2D模块处理结果一致后，依次经过多组D2S模块处理，按照处理顺序的倒序对各组进行编号，分别得到各组S2D模块处理结果H2Y-1×W2Y-1×C2Y-12，其中Y代表S2D模块组号； 将第一路多组S2D模块的处理结果和第二路多组D2S模块的处理结果，按组号一一对应，分别进行拼接，得到N个处理结果，输入解码网络中； C、解码网络对从编码网络输入的多个结果进行解码后，得到最终输出轮廓； 所述的解码网络包括N组上采样模块和N+1组下采样模块； 解码网络处理过程如下： 编码网络的N个处理结果，按照分辨率从大到小的顺序，编码网络分辨率最大的处理结果输入第一个下采样模块，得到第一下采样结果；第一下采样结果与编码网络分辨率第二的处理结果与经过Concat函数拼接后，输入第二个下采样模块，得到第二下采样结果；第二下采样结果与编码网络分辨率第三的处理结果与经过Concat函数拼接后，输入第三个下采样模块，得到第三下采样结果；以此类推，得到第N个下采样模块的处理结果，该处理结果经过第N+1个下采样模块处理后，得到分辨率降低一半通道数提升一倍的处理结果，输入第一个上采样模块处理，输出与第N个下采样模块的处理结果分辨率和通道数一样的第一上采样处理结果； 第一上采样处理结果与第N个下采样模块的处理结果经过Concat函数拼接后，输入第二个上采样模块处理，得到第二上采样处理结果；第二上采样处理结果与第N-1个下采样模块的处理结果，经过Concat函数拼接后，输出第三个上采样模块处理，得到第三上采样处理结果；依次类推，最终第N个上采样模块的处理结果与第一个下采样模块的处理结果经过Concat函数拼接后，经过1×1卷积处理，得到最终输出结果。

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西科技大学，其通讯地址为：545006 广西壮族自治区柳州市东环大道268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”。