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！

龙图腾网获悉天津师范大学申请的专利一种基于融合变换网络的云图像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：CN116091764B 。

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：202211698791.0，技术领域涉及：G06V10/26；该发明授权一种基于融合变换网络的云图像分割方法是由刘爽;张家峰;张重设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于融合变换网络的云图像分割方法在说明书摘要公布了：本发明实施例公开了一种基于融合变换网络的云图像分割方法，该方法包括：构建特征提取模块，得到训练云图像的多尺度局部特征；构建变换网络模块，得到训练云图像的多尺度长距离依赖关系序列；构建特征融合模块，得到训练云图像的跨尺度序列；构建分割掩码生成模块，训练云图像的分割掩码；构建损失计算模块，利用损失值对云图像分割模型进行优化，得到最优云图像分割模型；利用最优云图像分割模型，得到云图像的分割结果。本发明融合卷积神经网络和变换网络，从云图像中同时学习多尺度的局部信息和长距离依赖关系，进一步提高了云图像的分割的正确率。

本发明授权一种基于融合变换网络的云图像分割方法在权利要求书中公布了：1.一种基于融合变换网络的云图像分割方法，其特征在于，所述方法包括以下步骤： 步骤S1，利用预训练深度学习模型构建特征提取模块，将训练云图像输入所述特征提取模块，得到所述训练云图像的多尺度局部特征； 步骤S2，构建变换网络模块，将所述训练云图像的多尺度局部特征输入至所述变换网络模块，利用所述变换网络模块学习不同尺度的长距离依赖关系，得到所述训练云图像的多尺度长距离依赖关系序列； 步骤S3，构建特征融合模块，利用所述特征融合模块对于所述训练云图像的多尺度长距离依赖关系序列进行交互并融合，得到所述训练云图像的跨尺度序列； 步骤S4，将所述跨尺度序列输入所述特征融合模块，得到最终的跨尺度特征，构建分割掩码生成模块，利用所述分割掩码生成模块得到所述训练云图像的分割掩码； 步骤S5，将所述特征提取模块、变换网络模块、特征融合模块和损失计算模块组成云图像分割模型，构建损失计算模块，将所述训练云图像的分割掩码和所述训练云图像的标签输入到所述损失计算模块中，利用得到的损失值对于所述云图像分割模型进行优化，得到最优云图像分割模型； 步骤S6，在测试阶段，利用所述最优云图像分割模型计算得到输入云图像的最终分割掩码，计算得到所述训练云图像的分割掩码与所述输入云图像的最终分割掩码之间的相似度，结合所述训练云图像的标签得到所述输入云图像的分割结果； 其中，所述步骤S3包括以下步骤： 步骤S31，基于层标准化模块、多头互注意力模块、残差结构和多层感知机模块，构建所述特征融合模块； 步骤S32，利用所述特征融合模块对于所述训练云图像的多尺度长距离依赖关系序列进行交互并融合，得到所述训练云图像的跨尺度序列； 其中，所述训练云图像的第个跨尺度序列表示为： ； ； ； 其中，表示第个跨尺度序列，Cat为串联操作，MCA表示多头互注意力模块，表示第个尺度长距离依赖关系序列，表示第个尺度长距离依赖关系序列； 其中，所述步骤S4包括以下步骤： 步骤S41，将跨尺度序列和输入所述特征融合模块，得到最终的跨尺度特征； 步骤S42，利用重塑、卷积和上采样模块构建得到分割掩码生成模块； 步骤S43，将最终的跨尺度特征输入至所述分割掩码生成模块中，利用所述分割掩码生成模块将所述最终的跨尺度特征转化为所述训练云图像的分割掩码。

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天津师范大学，其通讯地址为：300387 天津市西青区宾水西道393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。