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！

龙图腾网获悉武汉大学申请的专利学习图像结构难度信息的语义分割方法、系统及存储介质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：CN116721252B 。

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：202310532283.3，技术领域涉及：G06V10/26；该发明授权学习图像结构难度信息的语义分割方法、系统及存储介质是由许永超;肖鑫设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本学习图像结构难度信息的语义分割方法、系统及存储介质在说明书摘要公布了：本申请提供的学习图像结构难度信息的语义分割方法、系统及存储介质，方法包括以下步骤：构建语义分割模型；将模型经以下步骤进行训练：输入图像至骨干网络；将骨干网络特征输入至分割头，输出分割结果，并获得初始损失图；将截断反向传播梯度的骨干网络特征输入到难度头，输出难度图；根据获取的初始损失图和难度图，获取分割头的最终损失监督函数和难度头的最终损失监督函数；将图像输入训练后的语义分割模型的骨干网络和分割头进行测试，获取测试合格后的图像的语义分割结果。本申请通过增加难度头，对每一张输入图像预测其像素级结构难度图，可以输出更合理的难度图；并且利用每个像素的历史损失监督函数信息，更全面地反映图像的分割难度。

本发明授权学习图像结构难度信息的语义分割方法、系统及存储介质在权利要求书中公布了：1.一种学习图像结构难度信息的语义分割方法，其特征在于，包括以下步骤： 构建语义分割模型，所述语义分割模型包括骨干网络、分割头和难度头，所述分割头和所述难度头均接在骨干网络之后，所述分割头和所述难度头具有相同的网络结构； 将构建的语义分割模型经以下步骤进行训练： 输入图像至骨干网络，获取骨干网络输出的特征； 将骨干网络特征输入至分割头，输出分割结果，并获得初始损失图；将截断反向传播梯度的骨干网络特征输入到难度头，输出像素级结构难度图； 根据获取的初始损失图和难度图，获取语义分割模型的分割头的最终损失监督函数和难度头的最终损失监督函数； 将图像输入训练后的语义分割模型的骨干网络和分割头进行测试，获取测试合格后的图像的语义分割结果； 所述将截断反向传播梯度的骨干网络特征输入到难度头，输出像素级结构难度图步骤，具体包括以下步骤： 将初始难度图输出通过一个Sigmoid函数，将其值限制为0到1范围之间，输出值限制后的难度图； 将输出的值限制后的难度图，加一个常数，获取加常数后的难度图； 将获取的加常数后的难度图中的每一个值除以难度图的总和，获取像素级结构难度图。

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武汉大学，其通讯地址为：430000 湖北省武汉市武昌区珞珈山；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。