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！

龙图腾网获悉广东工业大学;电子科技大学中山学院申请的专利一种透明物体图像抠图及前景预测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：CN119672060B 。

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：202411890821.7，技术领域涉及：G06T7/194；该发明授权一种透明物体图像抠图及前景预测方法是由何元烈;孙立亮;梁椅辉;李文生;邹昆;冯夫健;董牛牛;林展安;陈宽;郑嘉敏设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种透明物体图像抠图及前景预测方法在说明书摘要公布了：本发明公开了一种透明物体图像抠图及前景预测方法，包括以下步骤：1设计训练集图像标准；2设计抠图及前景预测总体模型；3设计模型损失用于抑制背景特征的提取；4alpha辅助前景预测模块结合前景的浅层颜色特征及深层的结构特征，能够获取准确的前景图像，可以有效地减少背景，完成前景预测任务。

本发明授权一种透明物体图像抠图及前景预测方法在权利要求书中公布了：1.一种透明物体图像抠图及前景预测方法，其特征在于，包括以下步骤： 1设计训练集图像标准； 2设计抠图及前景预测总体模型； 3设计模型损失用于抑制背景特征的提取； 4设计alpha辅助前景预测模块用于结合前景的浅层颜色特征及深层的结构特征； 在步骤1中基于图像合成的原理，具体公式如下： I＝αF+1-αB,α∈[0,1]1 当背景为纯黑色时，其背景值B为0，简化上述公式为： I＝αF2 通过将图像I除以α，近似得到前景图像F； 在步骤2中，选择SwinTransformer作为深度模型的编码器，设计的双解码器从不同的中间层输出三个前景矩阵，输出大小分别为输入分辨率的18、14和11，然后将其调整为输入分辨率的大小，然后，对输出进行选择性融合，逐步细化不确定区域； 在步骤3中，所训练的初步模型再次重新训练模型，以更好地分离前景和背景，让初步模型从真实的前景中提取特征，并将其与未训练模型从前景中提取的特征使用L1损失，定义初步模型从真实前景提取的特征为ViF，模型在重新训练期间提取的特征为k代表不同特征提取尺寸的数量，损失函数为： 总损失函数为： Ltotal＝Lalpha+Lforeground+Lsuppress6 其中Lalpha表示双解码器分支中alpha遮罩的损失，Lforeground为双解码器分支中的前景的损失； 在步骤4中，将alpha遮罩乘以I的结果进行卷积，然后进行下采样，以对齐特征融合所需的通道和尺寸，然后将其与要解码的结构特征连接起来，通过卷积连接实现深层语义和结构特征与浅层颜色和纹理特征的融合，融合的特征为VF，最后对融合后的特征进行解码： VF＝ReluCatDownConvalpha*I,ViF7。

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广东工业大学;电子科技大学中山学院，其通讯地址为：510000 广东省广州市东风东路729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。