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！

龙图腾网获悉常州大学申请的专利一种基于深度学习的水面垃圾识别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：CN115601627B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211285444.5，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的水面垃圾识别方法是由李宁;张铤波;袁浩珉;徐守坤;杨庆元;袁宝华;龚研设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本一种基于深度学习的水面垃圾识别方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的水面垃圾识别方法，包括对水面垃圾识别数据集图片进行剪裁；将特征图与输入图通过残差连接相加后，得到抑制权重；输入图的每个通道分别与作差后的抑制权重逐元素相乘得到带权重的特征图；深层使用两个深度可分离卷积组成DSC模块，浅层使用Res模块；结合通道注意力机制的深度可分离卷积，得到一维的特征矢量，再使用一维卷积生成通道权重，最后将通道权重与原特征图相乘；编码器的Res模块和DSC模块后加入了ECA模块；解码器使用深度可分离卷积模块。本发明解决水面场景存在较多的反光、倒影等噪声干扰以及网络结构模型规模较大，占用存储空间大，消耗计算资源多的问题。

本发明授权一种基于深度学习的水面垃圾识别方法在权利要求书中公布了：1.一种基于深度学习的水面垃圾识别方法，其特征在于，包括以下步骤： 步骤一、对水面垃圾识别数据集图片进行剪裁； 步骤二、使用拉普拉斯卷积得到包含边缘信息的初步去噪的特征图，将特征图与输入图通过残差连接相加后，再通过卷积进一步提取特征，通过Sigmoid激活函数得到抑制权重ω；输入图的每个通道分别与作差后的抑制权重1-ω逐元素相乘得到带权重的特征图；带权重的特征图输出到后续的编码器-解码器； 步骤三、在U-Net网络的深层使用两个深度可分离卷积组成DSC模块，浅层使用Res模块； 步骤三具体包括： 图片首先在编码器中通过一层Res模块和三层DSC模块完成特征提取，随后在解码器中通过对称的过程完成上采样，最后通过1×1卷积减小通道数； 解码器使用深度可分离卷积模块包括：深层次的三层DSC模块和浅层次的一层Res模块，特征图依次通过深层次模块和浅层次模块，每层的特征图与对应编码器的特征图通过跳跃连接拼接，转置卷积上采样使分辨率增大为2倍，四次上采样操作使分辨率逐步恢复到原始尺寸，特征图最后通过1×1卷积减小通道数； 步骤四、使用结合通道注意力机制的深度可分离卷积，通道注意力机制首先对特征图空间进行全局平均池化，压缩长度和宽度空间维度，保留通道维度，得到一维的特征矢量，再使用一维卷积生成通道权重，最后将通道权重与原特征图相乘；编码器的Res模块和DSC模块后加入了ECA模块；解码器使用深度可分离卷积模块； 步骤五、在深度学习框架下训练网络模型，得到网络参数值，将水面垃圾图片输入网络，输出水面垃圾图片分割结果。

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常州大学，其通讯地址为：213164 江苏省常州市武进区滆湖中路21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。