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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于深监督融合和特征平滑的指向性物体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：CN115331005B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210955003.5，技术领域涉及：G06V10/26；该发明授权一种基于深监督融合和特征平滑的指向性物体分割方法是由俞俊;杨文杰;朱素果设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种基于深监督融合和特征平滑的指向性物体分割方法在说明书摘要公布了：本发明公开了一种基于深监督融合和特征平滑的指向性物体分割方法。本发明采用深监督特征融合，能够在特征融合与上采样过程中对特征充分监督，同时可以有效结合不同细粒度特征信息，使的最终获得的掩码即可以保留全局特征下的位置信息，也可兼顾局部特征中的细节信息从而有效的提高分割的准确率，采用特征平滑损失函数，可以有效降低特征在融合与上采样过程的大幅波动的可能性，提升最终生成分割掩码的一致性，保证了模型训练过程的稳定性。基于不同的backbone可采用一些训练技巧，选择对应合理的网络参数、优化算法以及学习率的设置，从而提高了指向性物体分割的准确率。

本发明授权一种基于深监督融合和特征平滑的指向性物体分割方法在权利要求书中公布了：1.一种基于深监督融合和特征平滑的指向性物体分割方法，其特征在于包括如下步骤： 步骤1. 数据集获取；从现有的公开指向性物体分割数据集中，选择Refcoco、Refcoco+、Refcocog数据集； 步骤2. 数据处理；在步骤1所获取的指向性物体分割数据集上，通过数据集中的注解与图像通过掩码生成程序生成标准事实分割掩码； 步骤3. 构建基于深监督融合和特征平滑的指向性物体分割模型； 在原指向性物体分割模型的基础上添加深监督融合模块；深监督融合模块添加于原指向性物体分割模型的解码上采样模块后，解码过程中参与上采样过程的所有特征作为深监督融合模块的输入，将深监督融合模块的输出作为最终的模型预测结果； 步骤4. 损失函数； 损失函数的作用是用于衡量模型的预测值与分割样本标签之间的差异，以及衡量特征在融合上采样过程中的平滑程度；在步骤3的深监督融合模块下添加特征平滑损失函数，其余部分均采用交叉熵损失函数； 步骤5. 网络训练与测试； 步骤3所述的模型中所添加的深监督融合模块，具体实现如下： 深监督融合模块部分： 3‑1.取在原指向性物体分割模型的网络骨架结构中解码阶段的上采样过程中的所有特征块，将特征块分别送入批正则化以及alpha值为0.1的LeakyReLU激活函数映射得到处理后的特征块，再对新得到的特征块分别使用1×1的卷积核进行处理，卷积核步长定义为1，保留特征的高度H与宽度W，输出的特征的频道数C为1得到不同尺寸对应预测分割掩码； 3‑2.分别将步骤3‑1得到的预测分割掩码进行线性插值上采样，使的不同尺寸的预测分割掩码与步骤2获得的标准事实分割掩码的尺寸相同，实现所有预测分割掩码尺寸统一，分别计算预测分割掩码与标准事实分割掩码的交叉熵作为部分损失函数值； 3‑3.将不同尺寸特征经过步骤3‑2上采样后的所得到预测的特征掩码进行拼接，对拼接所得到的掩码块送入一维最大池化层所输出的最终掩码做为模型最后的预测结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。