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！

龙图腾网获悉长春理工大学申请的专利一种基于查询自相关强化的小样本语义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：CN119540545B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411383401.X，技术领域涉及：G06V10/26；该发明授权一种基于查询自相关强化的小样本语义分割方法是由刘智;刘佳鑫;黄丹丹;田成军;王英志;权龙杰设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种基于查询自相关强化的小样本语义分割方法在说明书摘要公布了：一种基于查询自相关强化的小样本语义分割方法，属于图像分割技术领域，为了解决现有技术存在的问题，该方法包括以下步骤：步骤1，构建网络模型：共享权重的骨干网络；原型生成；Transformer解码器，输入支持原型与查询特征；强化先验模块，利用高层特征之间的交互得到具有高指导性的先验掩码信息；特征富集模块，利用支持原型和先验掩码从不同尺度上丰富查询特征；用解码器的输出从查询特征中滤出预测的掩码；步骤2，准备数据集：将数据集按照小样本分割任务进行预处理；步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练；步骤4，选择最小化损失函数和最优评估指标：步骤5，微调并保存模型。

本发明授权一种基于查询自相关强化的小样本语义分割方法在权利要求书中公布了：1.一种基于查询自相关强化的小样本语义分割方法，其特征是，该方法包括如下步骤： 步骤1，构建网络模型：整个网络包括六个部分，第一个部分是共享权重的骨干网络，用于提取支持特征和查询特征；第二个部分是原型生成，用于将特征抽象为具有语义信息的原型向量；第三个部分是Transformer解码器，输入支持原型与查询特征，用于得到目标对象的掩码嵌入；第四个部分是强化先验模块，利用高层特征之间的交互得到具有高指导性的先验掩码信息，第五个部分是特征富集模块，利用支持原型和先验掩码从不同尺度上丰富查询特征；第六个部分是用解码器的输出从查询特征中滤出预测的掩码； 所述骨干网络采用Resnet的扩张版本，输出为四个维度的特征的字典，每层特征中均包含1x1、3x3卷积操作，ReLU操作，原型采用的是传统研究中的掩码平均池化的方式； 所述第五个部分特征富集模块是将中层查询特征、支持原型和强化的先验信息输入进来，将它们分别映射到不同的尺度，将三个输入拼接为新的特征信息，在不同尺度之间独立进行交互，并且垂直地利用层次关系，通过自上而下的信息路径，使用从更精细的特征中提取的基本信息丰富粗略特征图；经过水平和垂直优化后，合并各尺度上的空间信息，进行上采样，得到上下文信息丰富的查询特征； 步骤2，准备数据集：将数据集按照小样本分割任务进行预处理； 步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练； 步骤4，选择最小化损失函数和最优评估指标：通过最小化网络输出图像与标签的损失函数，直到训练次数达到设定阈值或损失函数的值到达设定范围内即可认为模型参数已预训练完成，保存模型参数；同时选择最优评估指标来衡量算法的精度，评估系统的性能； 步骤5，微调并保存模型：调整部分参数，再次进行训练，直至某参数下网络模型达到最优的泛化能力和分割结果。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7186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”。

以上内容由龙图腾AI智能生成。