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！

龙图腾网获悉中南大学申请的专利基于可变形梯度卷积网络的浮选泡沫图像分割方法及系统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：CN120411143B 。

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：202510556154.7，技术领域涉及：G06T7/12；该发明授权基于可变形梯度卷积网络的浮选泡沫图像分割方法及系统是由谢世文;谢永芳;张彬;吴宗泽;唐朝晖设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本基于可变形梯度卷积网络的浮选泡沫图像分割方法及系统在说明书摘要公布了：本发明公开了一种基于可变形梯度卷积网络的浮选泡沫图像分割方法及系统，S1：获取浮选泡沫图像数据构建数据集，将数据集划分为训练集、验证集和测试集；S2：构建基于可变形梯度卷积网络的图像分割模型；S3：将训练集输入基于可变形梯度卷积网络的图像分割模型中训练得到训练好的基于可变形梯度卷积网络的图像分割模型；S4：将待预测的浮选泡沫图像输入训练好的基于可变形梯度卷积网络的图像分割模型得到浮选泡沫图像分割结果。本发明构建了可变形梯度卷积网络，以引导网络从梯度中学习信息，结合有效的损失函数，使得网络在浮选泡沫数据集上表现出优于其他同类模型的能力，为图像边缘分割领域提供了全新的解决方案。

本发明授权基于可变形梯度卷积网络的浮选泡沫图像分割方法及系统在权利要求书中公布了：1.一种基于可变形梯度卷积网络的浮选泡沫图像分割方法，其特征在于，包括如下步骤： S1：获取浮选泡沫图像数据构建数据集，将数据集划分为训练集、验证集和测试集； S2：构建基于可变形梯度卷积网络的图像分割模型，所述基于可变形梯度卷积网络的图像分割模型包括结构相同的四个阶段模块，四个阶段模块的输出端均连接边缘信息融合模块的输入端；四个阶段模块包括第一阶段模块、第二阶段模块、第三阶段模块和第四阶段模块；每个阶段模块包括卷积采样模块，可变形卷积模块，感受野扩增模块，背景噪声去除模块和输出模块；其中相邻阶段模块的卷积采样模块和可变形卷积模块之间通过池化层相连； 基于可变形梯度卷积网络的图像分割模型数据处理流程如下： 原始输入图像分别输入第一阶段模块的卷积采样模块和可变形卷积模块得到两组输出，两组输出分别经过池化层池化后得到第一特征图和第二特征图；第一特征图和第二特征图的大小均为原始输入图像12尺寸，通道数为原始输入图像的2倍；前一阶段模块卷积采样模块和可变形卷积模块对应的第一特征图和第二特征图分别作为下一阶段模块中卷积采样模块和可变形卷积模块的输入，这样每经过一阶段模块的处理第一特征图和第二特征图的大小减半，通道数加倍；卷积采样模块和可变形卷积模块得到的两组输出相加后作为感受野扩增模块的输入；感受野扩增模块的输出作为通道自注意力模块的输入；通道自注意力模块的输出作为背景噪声去除模块的输入，背景噪声去除模块的输出作为输出模块的输入，输出模块输出图像边缘预测图，四个图像边缘预测图均经过1X1卷积后得到尺寸与原始输入图像尺寸一致的图像，再经过Softmax函数计算后得到四个最终的图像边缘预测图edge1～edge4； edge1～edge4均输入到边缘信息融合模块中得到最终的图像边缘分割结果output； S3：将训练集输入基于可变形梯度卷积网络的图像分割模型中训练至交叉熵损失函数和特征相似性损失最小，并经过验证集验证和测试集测试后得到训练好的基于可变形梯度卷积网络的图像分割模型； S4：将待预测的浮选泡沫图像输入训练好的基于可变形梯度卷积网络的图像分割模型得到浮选泡沫图像分割结果。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。