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！

龙图腾网获悉南昌航空大学申请的专利基于特征提取和RFB上下文信息优化的图像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：CN115205532B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202210908356.X，技术领域涉及：G06V10/26；该发明授权基于特征提取和RFB上下文信息优化的图像语义分割方法是由张聪炫;陈立志;卢锋;葛利跃;汪洋;陈震;李楠设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本基于特征提取和RFB上下文信息优化的图像语义分割方法在说明书摘要公布了：一种基于特征提取和RFB上下文信息优化的图像语义分割方法：首先输入图像到SwinTransformer特征提取网络，分别输出包含深层语义信息的特征图和包含浅层语义信息的特征图；然后将包含深层语义信息的特征图和包含浅层语义信息的特征图分别输入到不同深度的RFB模块进行上下文信息优化，得到两个含有更丰富上下文信息的特征图；对RFB模块优化后的两个特征图进行拼接融合，再将融合后的特征图进行双线性插值上采样处理，随后将结果输入到解码网络，得到最终图像语义分割结果。本发明利用SwinTransformer模块不仅能提取图像的深层和浅层语义特征，同时结合RFB上下文信息优化模块，提高语义分割精度。

本发明授权基于特征提取和RFB上下文信息优化的图像语义分割方法在权利要求书中公布了：1.一种基于特征提取和RFB上下文信息优化的图像语义分割方法，其特征在于，包括以下步骤： 步骤1、输入大小为H×W的RGB图像； 步骤2、将图像输入到SwinTransformer特征提取模块，分别输出包含深层语义信息的特征图和包含浅层语义信息的特征图； 步骤3、将包含深层语义信息的特征图和包含浅层语义信息的特征图分别输入到不同深度的RFB模块进行上下文信息优化，得到两个含有更丰富上下文信息的特征图； 所述步骤3经SwinTransformer模块提取得到特征图，将最终得到的特征图和SwinTransformer中14分辨率特征图分别送入不同的RFB上下文信息模块，14分辨率特征图采取更深的RFB模块，最终得到的特征图采取较浅的RFB模块； 步骤4、对RFB模块优化后的两个特征图进行拼接融合，随后将结果输入到解码网络； 步骤5、将融合后的特征图进行双线性插值上采样，通过交叉熵损失约束迭代优化后输出最终的分割结果。

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南昌航空大学，其通讯地址为：330063 江西省南昌市丰和南大道696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。