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！

龙图腾网获悉珠海格力电器股份有限公司申请的专利一种基于自注意力机制与空洞卷积池化的语义分割方法、存储介质和视觉装置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：CN115631335B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211261863.5，技术领域涉及：G06V10/26；该发明授权一种基于自注意力机制与空洞卷积池化的语义分割方法、存储介质和视觉装置是由刘志昌;邹姗蓉设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于自注意力机制与空洞卷积池化的语义分割方法、存储介质和视觉装置在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体涉及基于自注意力机制与空洞卷积池化的语义分割方法、存储介质和视觉装置，该方法包括以下步骤：S1、采用编码器对输入图像的提取特征，由浅至深分别提取出多层特征，多层特征的特征尺寸按顺序逐层减半，多层特征的通道数按顺序逐层增加；S2、采用自注意力结构分别求取每层特征Xi的自相关矩阵，将其与原始输入特征Xi进行矩阵相乘，获取全局自注意力信息，输出特征Y；S3、采用轻量化空洞卷积池化结构miniASPP对每层输入特征Yi进行感受野增强，获取上下文信息，输出特征Zi；S4、采用解码器通过级联上采样的方式将S3处理后的各层特征拼接，得到原始输入图像尺寸大小的语义分割结果。

本发明授权一种基于自注意力机制与空洞卷积池化的语义分割方法、存储介质和视觉装置在权利要求书中公布了：1.一种基于自注意力机制与空洞卷积池化的语义分割方法，其特征是：包括以下步骤 S1、采用编码器对输入图像进行提取特征，由浅至深分别提取出X1、X2、X3……Xk多层特征，所述多层特征的特征尺寸按X1、X2、X3……Xk的顺序逐层减半，多层特征的通道数按X1、X2、X3……Xk的顺序逐层增加； S2、采用自注意力结构分别求取S1处理后的每层特征Xi的自相关矩阵以转置特征Xi，将转置后的Xi再次与S1处理后的特征Xi进行矩阵相乘，获取全局自注意力信息，输出特征Yi，Yi的通道数与Xi的通道数保持一致； S3、采用轻量化空洞卷积池化结构miniASPP对每层输入特征Yi进行感受野增强，获取上下文信息，输出特征Zi； S4、采用解码器通过级联上采样的方式将S3处理后的各层特征按Zk、Zk-1……Z3、Z2、Z1的顺序拼接，得到原始输入图像尺寸大小的语义分割结果； 所述S2由以下阶段实现： S21、特征集成阶段：针对输入的特征Xi，分别经过两个1X1卷积，得到两个特征Q、K，合并通道数以外的维度，通过双线性池化捕捉两个特征间的复杂关系，求取自相关矩阵式1，式1如下所示： 其中，Q＝[q1,…,qwh]∈Rm×wh，K＝[k1,…,kwh]∈Rn×wh，Q、K是同一个特征经过两个不同的1X1卷积得到的同源特征，表示为K＝θX；Wθ； 将双线性池化操作的输出变量定义为G＝[g1,…,gn]∈Rm×n，重写第二个特征是一个wh维的行向量，最终输出式2，式2如下所示： 式2中表示特征集成的每个基元gi是通过收集局部特征用加权得到的；j为特征图上像素点的位置，i为不同的注意力图，最后再将softmax应用于k，将注意力权值映射到0～1中，得到二阶注意力池化过程式3，式3如下所示： gi＝QsoftmaxkiT3 S22、特征分配阶段：通过一个1X1卷积得到特征V，用作特征分配的输入，将上一个阶段集成的特征自适应地分布到输入的每一个位置vi，以此感知全局信息，得 到经过自注意的每个特征式4，式4如下所示： 其中V＝[v1,…,vwh]∈Rn×wh，特征V是输入特征X经过1x1卷积后，再经过softmax映射到0～1中，表示为V＝softmaxρX；Wρ； S23、结合阶段：将特征集成阶段与特征分配阶段结合，将S1处理后的Xi与经过全局注意处理后的特征Xi做残差运算，得到最终的注意力模块运算步骤式5， 式5如下所示：

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珠海格力电器股份有限公司，其通讯地址为：519031 广东省珠海市横琴新区汇通三路108号办公608；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。