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！

龙图腾网获悉安徽大学申请的专利基于边缘辅助学习的热红外电气设备图像语义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：CN114140480B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202111496557.5，技术领域涉及：G06T7/12；该发明授权基于边缘辅助学习的热红外电气设备图像语义分割方法是由王福田;郭尹;汤进设计研发完成，并于2021-12-09向国家知识产权局提交的专利申请。

本基于边缘辅助学习的热红外电气设备图像语义分割方法在说明书摘要公布了：本发明公开一种基于边缘辅助学习的热红外电气设备图像语义分割方法，通过转换模块和全局信息集成模块将从原始输入图像中提取的特征进行转换，将对边缘检测和语义分割任务进行同步优化，同时为更好的实现语义分割和边缘优化的联合优化，使用交叉引导单元进行简单特征变换，将解码器中两条不同分支进行交互，使得两种任务达到联合优化的效果。此外，本发明在卷积神经网络的模块输入端增加有真值监督,由此本发明不仅可以预测到更准确的目标边界，而且能够通过边缘检测分支来辅助语义分支得到更准确的分割结果。

本发明授权基于边缘辅助学习的热红外电气设备图像语义分割方法在权利要求书中公布了：1.一种基于边缘辅助学习的热红外电气设备图像语义分割方法，其特征在于：包括以下步骤： 步骤S1、将带有精细标注的电气设备图像输入神经网络，其中使用在ImageNet数据集上预训练的ResNet-101卷积神经网络作为网络特征编码部分； 步骤S2、使用ResNet-101卷积神经网络从输入图像中提取四个不同分辨率的多级特征，并通过转换模块首先将网络主干中前三层特征的通道数统一至256，转换后的特征标依次记为； 步骤S3、将最深层特征送入全局信息集成模块，进而得到一个含有全局上下文信息的特征，标记为；具体方法为： 先将特征输入局信息集成模块，然后通过金字塔池化处理得到具有全局感受野的特征，同时使用卷积操作对特征进行微调得到；接着，将和进行乘法所得特征再与特征逐像素相加，获取到最终的输出； 步骤S4、从特征中进行边缘预测，得到边缘特征，并将边缘信息作为辅助的学习信息，然后增加一条边缘解码分支以获得与不同尺度语义特征相对应分辨率的边缘特征； 步骤S5、利用特征形成一条解码路径，将此解码路径分支与步骤S4中的边缘解码分支相联合，然后利用交叉引导单元实现对语义特征和边缘特征进行联合学习和互相优化； 步骤S6、将步骤S5中所得每一个交叉引导单元的输出特征与对应的语义特征沿通道进行拼接，并作为下一个交叉引导单元的语义特征部分的输入，依次记为特征，第一个交叉引导单元的输入是从特征中预测得到的语义特征，最终输出预测图； 所述交叉引导单元的具体工作流程为： 通过特征分别通过语义预测和边缘预测获取语义特征和边缘特征，然后将语义特征和边缘特征进行特征变换后获得特征，第个特征表示为： ，； 其中，是相对应第个语义特征图输入，是相对应第个边缘特征图输入的维度与相同，表示对分别使用了不同的卷积操作； 再将获取到的特征与进行融合，联合分割特征与边缘特征进行优化，交叉引导单元的最终输出D表示为： ； 同时，在每个交叉引导单元的输入两端分别使用语义真值和边缘真值进行监督来对生成的特征进行相互约束，从而使边缘特征与分割特征相互优化得到更精确的分割结果； 步骤S7、通过交叉熵损失函数和二元交叉熵损失函数组合监督训练网络模型。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111路；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。