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！

龙图腾网获悉华中科技大学申请的专利一种分层自注意力场景语义分割模型的构建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：CN115546485B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211265948.0，技术领域涉及：G06V10/26；该发明授权一种分层自注意力场景语义分割模型的构建方法是由左峥嵘;方林涛;沈凡姝;王岳环设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本一种分层自注意力场景语义分割模型的构建方法在说明书摘要公布了：本发明属于图像处理技术领域，具体涉及一种分层自注意力场景语义分割模型的构建方法，包括：将输入图像经过分层全自注意力编码器不同层的特征提取，依次输出不同层对应的特征图；其中，基于输入图像的掩码真值标签，通过掩码标签细节聚合，得到细节真值标签，采用细节真值标签和当前次迭代中第二层所输出的特征图，通过计算损失，对下一次迭代中分层全自注意力编码器中第二层的特征提取过程进行约束，以引导分层全自注意力编码器底层学习空间细节信息；将当前次迭代中不同层对应的特征图，输入全多层感知器解码器进行解码，得到预测的分割掩码，优化分层全自注意力编码器和全多层感知器解码器参数。本发明对目标尺寸变化差异适应性良好。

本发明授权一种分层自注意力场景语义分割模型的构建方法在权利要求书中公布了：1.一种分层自注意力场景语义分割模型的构建方法，其特征在于，包括： 将输入图像通过重叠块嵌入切分成小块，经过分层全自注意力编码器不同层的特征提取，依次输出不同层对应的特征图；其中，基于所述输入图像的掩码真值标签，通过掩码标签细节聚合，得到细节真值标签，采用所述细节真值标签和当前次迭代中第二层所输出的特征图，通过计算损失，对下一次迭代中所述分层全自注意力编码器中第二层的特征提取过程进行约束，以引导分层全自注意力编码器底层学习空间细节信息； 将当前次迭代中所述不同层对应的特征图，输入全多层感知器解码器进行解码，得到预测的分割掩码；基于所述预测的分割掩码和所述掩码真值标签，计算分割损失，优化所述分层全自注意力编码器和所述全多层感知器解码器参数，重复上述步骤，直至达到迭代终止条件，完成场景语义分割模型的构建； 其中，每层自注意力编码器包括多头自注意力模块和Mix-FFN，其中，Mix-FFN是由一个前馈网络混合使用卷积以及多层感知器MLP组合构成，其输出表示为：； 式中，表示所述多头自注意力模块得到的多头自注意力特征，表示高斯误差线性单元激活函数，表示卷积，表示所述多层感知器MLP结构，表示所述前馈网络，xout表示所述Mix-FFN的输出，作为单个自注意力编码器的输出； 用于所述对下一次迭代中所述分层全自注意力编码器中第二层的特征提取过程进行约束的损失，通过交叉熵损失与Dice损失联合计算得到，表示为：；其中，表示通过交叉熵损失与Dice损失联合计算得到的细节损失，表示所述分层全自注意力编码器中第二层所输出的特征，表示所述细节真值标签；为二分类交叉熵损失，为Dice损失，即： ； ； 其中，表示像素编号，表示拉普拉斯平滑项。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。