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！

龙图腾网获悉南京信息工程大学申请的专利一种基于注意力融合的弱监督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：CN116912501B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310981553.9，技术领域涉及：G06V10/26；该发明授权一种基于注意力融合的弱监督语义分割方法是由苏京峰;李军侠设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本一种基于注意力融合的弱监督语义分割方法在说明书摘要公布了：本发明公开了一种基于注意力融合的弱监督语义分割方法，涉及计算机视觉技术领域，以VisionTransformer为基本网络结构，提出了一个简单而有效的弱监督语义分割框架。在该框架中，首先设计了一个自适应注意力融合模块，对不同层注意力分配不同的权重，融合之后的注意力在保留目标细节的同时也能较好地抑制背景噪声。此外针对注意力中次重要的区域不能够较好的激活目标区域这一问题，设计了一个调制函数用来增大次重要区域的注意力值，有效的突出目标区域。然后使用调制后的注意力对粗糙的类激活图进行优化，此时得到的类激活图中目标区域能够被更加完整且准确的激活，能够较好的解决类激活图的不完全激活问题。

本发明授权一种基于注意力融合的弱监督语义分割方法在权利要求书中公布了：1.一种基于注意力融合的弱监督语义分割方法，其特征在于：包括以下步骤 S1、准备数据集，数据集包括训练集、验证集以及测试集； S2、对数据集中的图像进行数据预处理； S3、搭建基于注意力融合的弱监督语义分割模型，采用在图像识别数据集ImageNet上预训练的数据图像转换器DeiT作为模型的主干；步骤S3包括以下分步骤： S3.1、将步骤S2中经过数据预处理的图像分割成N个不重叠的块，然后通过线性映射构造N个块令牌，并将C个类令牌与N个块令牌拼接得到模型的输入令牌； S3.2、将输入令牌输入到基于注意力融合的弱监督语义分割模型的Transfomer编码层，得到输出令牌； S3.3、从输出令牌中提取最后N个块令牌组成输出块令牌，并对输出块令牌进行重组操作和卷积操作，得到粗糙类激活图， Coarse-CAM＝ConvReshapeTp_out 其中，Tp_out表示输出块令牌，Reshape表示重组操作，Conv表示卷积操作，Coarse-CAM表示粗糙类激活图； S3.4、输入令牌经过Transfomer编码层时，通过注意力模块对输入令牌进行注意力计算产生注意力Attention，计算公式如下： 其中，Q和K分别表示输入令牌在经过transformer编码层时通过线性投影得到的Quary矩阵和Key矩阵，dk表示缩放因子，T表示矩阵转置操作； S3.5、每个transformer编码层都会产生一个注意力，经过L个transformer编码层后得到所有的注意力，将L个注意力命名为A；接着对A进行全局平均池化操作，然后经过全连接层进行信息交互生成权重W，如下所示： W＝FCGAPA 其中，GAP表示全局平均池化操作，FC表示全连接层； S3.6、将得到的权重W与A相乘并进行融合得到最终的注意力W′； S3.7、将最终的注意力W′进一步划分为类到块注意力Ac2p和块到块注意力Ap2p，并将类到块注意力Ac2p和块到块注意力Ap2p分别与调制函数G相乘； S3.8、使用调制后的类到块注意力和块到块注意力依次对粗糙类激活图进行优化，得到最终类激活图； S4、对基于注意力融合的弱监督语义分割模型进行多轮训练，将训练的最好一轮结果对应的最好参数进行保存； S5、将保存的最好参数加载到基于注意力融合的弱监督语义分割模型中，然后将测试集数据输入到模型中，生成完整的类激活图。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。