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！

龙图腾网获悉江苏大学申请的专利一种基于并行特征补全的多阶段实例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：CN115797635B 。

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：202211580594.9，技术领域涉及：G06V10/26；该发明授权一种基于并行特征补全的多阶段实例分割方法及系统是由王海;朱世林;蔡英凤;陈龙;李祎承;刘擎超设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于并行特征补全的多阶段实例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并行特征补全的多阶段实例分割方法及系统，经过数据前处理得到适用于系统输入的数据格式后，在骨干网络ResNet50引入GCBlock获取实例关联信息。然后提出并行语义分支和并行全局分支，提取特征层的语义和全局信息，实现RoI特征的补全。再经过边界框动态交互模块和检测分支得到边界框的回归。此外，还提出了特征传递结构，通过显式增加检测与分割分支的联系，改变梯度反向传播的路径进而间接补全RoI特征，在经过掩码动态交互模块和掩码分支得到实例掩码。值得强调的一点，上述结构均为并行的，即阶段与阶段之间没有干扰，并且与QueryInst的并行监督机制相契合。并且还将其与非并行结构比较，进一步凸显所提并行结构的优越性能。

本发明授权一种基于并行特征补全的多阶段实例分割方法及系统在权利要求书中公布了：1.一种基于并行特征补全的多阶段实例分割方法，其特征在于，包括以下步骤： S1数据预处理； S2带有全局上下文的骨干网络特征提取； 所述S2具体如下： 将GCBlock插入到骨干网络，依据每个查询位置，捕获长距离依赖关系，提取出全局上下文信息，进而将这种信息聚合到每个查询位置的特征中； 所述GCBlock的逻辑框架包括： a对输入的特征图进行上下文关系的建模，以获取全局上下文特征； b对全局上下文特征进行转换以捕获通道依赖性关系； c将具有全局上下文信息的特征与每个对应位置的特征进行聚合，使特征更加完整； 所述特征提取的步骤如下： 首先对特征图进行全局上下文建模，对于特征图中的查询位置j，首先通过1x1的卷积 获取j位置关系权重，然后进行SoftMax归一化处理，最后与j位置的特征对应相乘再对所有 查询位置进行求和获取相应的全局上下文特征 然后进行特征转换，为了减小更深层由通道数增多导致的计算量，将1x1卷积设置为 瓶颈变换，使得卷积后的通道数为Cr，其中r为瓶颈比率，得到的全局上下文特征具备通道 依赖关系； 最后通过利用广播机制进行元素位置的相加，获取完整特征； S3将特征输入QueryInst-ParallelCompletion网络头部，得到补全的掩码结果； 所述S3具体如下： 将S2得到的特征输入到QueryInst-ParallelCompletion网络头部，同时初始化随机生成边界框对特征进行RoIAlign处理、并行语义分支处理和并行全局分支处理，得到语义信息和全局信息补全的RoI特征，并且随机初始化生成对象查询，经过MSA处理得到增强的对象查询，将增强的对象查询与RoI特征输入到边界框动态交互模块得到增强边界框RoI特征和下一阶段的对象查询，然后将增强边界框RoI特征输入到检测分支得到边界框信息，之后进入掩码生成环节，依据生成的边界框进行正负样本划分，依据损失代价选出正样本，将正样本进行RoIAlign处理、并行语义分支处理和并行全局分支处理，得到语义信息和全局信息补全的RoI特征，同时将在检测部分的边界框动态交互后的增强边界框RoI特征依据正样本进行索引，筛选出相应的增强边界框RoI特征输入到特征传递部分，与之后进行掩码动态交互得到增强掩码RoI特征进行对应元素求和，实现补全，最后将补全结果输入到掩码分支，得到掩码结果； S4并行语义分支特征补全； 所述S4的实现包括： 将骨干网络前两个阶段的特征层作为输入，分别是阶段0和1，首先进行1x1的卷积进行特征转换，使其进一步靠向语义特征，然后stage1输出结果经过上采样与stage0结果进行对齐，经过元素对应相加得到融合特征；之后将融合特征输入到金字塔池化模块，具体的将融合特征层划分成6x6,3x3,2x2,1x1的网格，每个网格内部各自进行平均池化，池化结果进行上采样聚合，再经过4个3x3卷积和1x1卷积调整通道以适应RoI特征的维度；最后得到的语义特征与RoI特征融合补全，使其具有语义信息； S5并行全局分支特征补全； S6并行特征传递，输出分割结果。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。