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！

龙图腾网获悉重庆邮电大学申请的专利基于频域与空间域信息融合的实时实例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：CN118351305B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410427142.X，技术领域涉及：G06V10/26；该发明授权基于频域与空间域信息融合的实时实例分割方法是由谢颖;唐贤伦;赵坤驰;彭江平;李波;钱晓东;尚靖凯设计研发完成，并于2024-04-10向国家知识产权局提交的专利申请。

本基于频域与空间域信息融合的实时实例分割方法在说明书摘要公布了：本发明公开了一种基于频域与空间域信息融合的实时实例分割方法，首先设置模型训练的损失函数；然后，采用带动量的随机梯度下降算法作为优化方法，并采用了非极大值抑制算法消除重复检测；接着，搭建由多个残差块堆叠组成的ResNet50残差网络架构作为主干网络；然后，采用改进的双向特征金字塔结构对后三个卷积模块的特征图进行操作融合语义信息，并引入频域表示以获得更准确全局信息；最后，将完成信息融合的最后一层特征图输入到掩模分支，使用改进的频域表示特征融合方法将得到的掩模系数和原型掩模特征图相结合，得到目标物体的位置坐标、类别信息和像素分割结果。本发明在实时每秒超过30帧的基础上有效地提高了图像的分割精度，且结构合理。

本发明授权基于频域与空间域信息融合的实时实例分割方法在权利要求书中公布了：1.基于频域与空间域信息融合的实时实例分割方法，其特征在于，包括以下步骤： 步骤1：进行图像实例分割数据集和MSCOCO训练相关细节的设置，并确定训练集和测试集； 步骤2：使用由多个残差块堆叠组成的ResNet50残差网络架构作为主干网络，以进行初步特征提取，得到多个层级和尺寸的特征图； 步骤3：结合步骤2中的初步特征提取基础网络，将后三个卷积模块提取出来的特征图输入到改进的双向特征金字塔结构中，融合高层高级语义信息、底层高分辨率的细节信息以及同层监督信息，并恢复特征图的分辨率； 所述改进的双向特征金字塔，在基础金字塔模型自顶向下特征提取的基础上，采用步长为2的卷积完成浅层特征图的下采样，得到与ResNet50倒数第二个卷积模块特征图相同的尺寸，两者拼接生成特征图P4，增加了由浅层精确空间信息与深层高级语义信息的融合，为了抑制不同层级信息融合引入的噪声还引入了同一层级的跳跃连接；所述改进的双向特征金字塔结构将频域特征融合引入到双向金字塔模块，用频域卷积替代了3×3卷积，为特征图补充了全局信息和更丰富的语义信息；所述改进的双向特征金字塔运行一次； 步骤4：加载步骤3中得到的预训练网络模型，通过将完成信息融合的最后一层特征图输入到掩模分支，使用改进的频域表示特征融合方法将得到的掩模系数和原型掩模特征图相结合，完成网络的搭建，得到基于频域与空间域信息融合的实时实例分割网络；最后，加载测试图像数据到该网络中，快速测试完成图像分割； 所述步骤4仅在网络模型的尾端，即在最终生成语义信息和空间信息的网络层加入频域表示，首先通过split操作将通道分离，其中部分通道c'通过快速傅里叶变换和反变换，提取到全局高频细节信息和低频语义信息之后与原来的特征图进行叠加，即用分别在高频和低频特征提取到的信息对输入的特征图进行补充调整，并与另一部分通道c”中的空间域信息进行融合，以恢复空间细节信息并获得更准确的语义信息，频域变换在特征通道中占比为14； 所述改进的频域表示特征融合方法的计算流程如下：首先将输入的空间域特征图进行二维快速傅里叶变换转换为频域特征图X∈CM×N： 然后把X分成高频分量Xh和低频分量Xl： M，N代表在频域特征图中高和宽的范围，m,n表示频域特征图中实际的高和宽，Xmn表示频域分量，接着对高低频分量Xh和Xl进行逆变换转换回空间域，得到xh和xl： F-1表示傅里叶逆变换； 再用它们各自对应的卷积核Wh和Wl分别进行卷积，然后经过激活函数σ得到卷积后的高低频特征： 最后得到空间域高频和低频特征图与原来的空间域特征图进行叠加得到输出xout：

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。