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！

龙图腾网获悉中电鸿信信息科技有限公司申请的专利一种基于集合匹配的实例分割的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：CN116843703B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310827086.4，技术领域涉及：G06T7/11；该发明授权一种基于集合匹配的实例分割的方法是由叶文武设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于集合匹配的实例分割的方法在说明书摘要公布了：本发明公开了一种基于集合匹配的实例分割方法，具体包括如下步骤：在图像集中的图像标注掩码，将标注掩码转换成标注实例集合；构建实例分割模型；将标注掩码的图像输入实例分割模型中采用梯度下降法进行训练，直至交叉熵损失函数收敛，完成对实例分割模型的训练；将待检测的图像输入到训练好的实例分割模型中，预测出实例分割结果。本发明使用集合匹配算法对预测实例掩码集合和标注实例集合的元素根据一致性评价指标进行配对，提高了实例匹配的准确率和鲁棒性。

本发明授权一种基于集合匹配的实例分割的方法在权利要求书中公布了：1.一种基于集合匹配的实例分割方法，其特征在于，具体包括如下步骤： 步骤S1、在图像集中的图像标注掩码，将标注掩码转换成标注实例集合； 步骤S2、构建实例分割模型；所述实例分割模型包括依次连接的全卷积的主干网络、掩码输出卷积网络和集合匹配网络，所述全卷积的主干网络用于提取图像上的特征图，所述掩码输出卷积网络用于预测实例掩码集合，所述集合匹配网络用于预测实例掩码集合和标注实例集合的元素进行一致性评价指标配对； 步骤S3、将标注掩码的图像输入实例分割模型中采用梯度下降法进行训练，直至交叉熵损失函数收敛，完成对实例分割模型的训练；包括如下子步骤： 步骤S3.1、将图像集中的一张图像输入到全卷积的主干网络中，得到特征图； 步骤S3.2、将特征图输入至掩码输出卷积网络，得到预测实例掩码集合； 步骤S3.3、在集合匹配网络中使用集合匹配算法对预测实例掩码集合和标注实例集合的元素根据一致性评价指标进行配对；具体过程为： 步骤S3.3.1、设置标注实例集合Sp的初始标号和预测实例掩码集合St的初始标号lyj＝0，其中，eij表示Sp中第i个元素xi与St中第j个元素yj的一致性评价指标； 步骤S3.3.2、根据边集El＝{xiyj|lxi+lyj＝eij}、子图Gl＝Sp,Stk,El求出匹配M，M∈E且匹配M中任意两条边都不相邻，其中，E表示预测实例掩码集合St和标注实例集合Sp中各元素之间的一致性评价指标构成的边集； 步骤S3.3.3、如果标注实例集合S中所有元素均与匹配M有连接，则输出匹配M；否则执行步骤S3.3.4； 步骤S3.3.4、在标注实例集合S中找出一个与匹配M不连接的元素x，令A←{x}，其中，表示空集； 步骤S3.3.5、若与A中节点相邻接的节点集合则更新标注实例集合S的标号、预测实例掩码集合S的标号：其中，v表示x或y，a表示在S中除当前G里已存在的和A相邻的节点的节点中和A节点相连的最小权值，并通过步骤S3.3.2更新匹配M，否则执行步骤S3.3.6； 步骤S3.3.6、取若y与匹配M有连接，则从M中找出y的配对点x，令A←A∪{x}，B←B∪{y}，执行步骤S3.3.5；否则执行步骤S3.3.7； 步骤S3.3.7、在E中找出以x0为起点、以y为终点的路径，且此路径边交替出现、不出现在M中，得到从x0到y的增广路P，令M←M+EP，扩增匹配M，执行步骤S3.3.3，其中，EP表示从x0到y通过增广路P构成的子匹配； 步骤S3.4、通过梯度下降法重复步骤S3.1-S3.3，直至交叉熵损失函数收敛，完成对实例分割模型的训练； 交叉熵损失函数为： 其中，N表示标注实例集合长度，W表示图像的宽，H表示图像的高，表示匹配的预测实例掩码集合St中第n个元素坐标为w，h的预测概率值，表示匹配的标注实例集合Sp中第n个元素坐标为w，h的概率值； 步骤S4、将待检测的图像输入到训练好的实例分割模型中，预测出实例分割结果。

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中电鸿信信息科技有限公司，其通讯地址为：210003 江苏省南京市玄武大道699-1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。