Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江西师范大学方文成获国家专利权

江西师范大学方文成获国家专利权

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!

龙图腾网获悉江西师范大学申请的专利基于大核卷积网络的多尺度道路车辆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:CN121121704B

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:202511670631.9,技术领域涉及:G06V20/58;该发明授权基于大核卷积网络的多尺度道路车辆分割方法是由方文成;曾纪国;黄强;陈蔚星;刘云骏;夏伟;杨波设计研发完成,并于2025-11-14向国家知识产权局提交的专利申请。

基于大核卷积网络的多尺度道路车辆分割方法在说明书摘要公布了:本发明公开了一种基于大核卷积网络的多尺度道路车辆分割方法,步骤如下:构建道路车辆语义数据集;将道路车辆语义数据集输入到改进的道路车辆分割模型;将道路车辆语义数据集的初始特征图输入到大核卷积特征提取网络得到提取特征图;将提取特征图输入到多尺度车辆边界特征增强网络,得到增强特征图;将增强特征图输入到由三个分割头构成的分割网络;完成对初始特征图中需要识别的不同尺寸目标进行语义分割。本发明的有益效果是:结合大核卷积网络作为特征提取网络,设计多尺度车辆边界特征增强网络、可变池化注意力模块和区域高效聚合模块,灵活地根据具体车辆特征来平衡模型的性能表现,实现整体精度的提升。

本发明授权基于大核卷积网络的多尺度道路车辆分割方法在权利要求书中公布了:1.基于大核卷积网络的多尺度道路车辆分割方法,其特征在于:分割方法步骤如下: 步骤S1,构建数据集,并对构建的数据集进行合并清洗:得到道路车辆语义数据集; 步骤S2,改进一个道路车辆分割模型,将道路车辆语义数据集输入到改进的道路车辆分割模型,改进的道路车辆分割模型由大核卷积特征提取网络、多尺度车辆边界特征增强网络和分割层组成; 步骤S3,在改进的道路车辆分割模型中进行特征提取网络处理,将道路车辆语义数据集的初始特征图输入到大核卷积特征提取网络的采样层,得到采样后的第一提取特征图,第一提取特征图输入到大核卷积特征提取网络的大核卷积感知特征提取模块进行特征提取,得到第五提取特征图、第七提取特征图和第九提取特征图; 步骤S4,在改进的道路车辆分割模型中进行多尺度车辆边界特征增强网络处理,采用自底向上路径的特征增强;将第五提取特征图、第七提取特征图和第九提取特征图输入到多尺度车辆边界特征增强网络,得到第十一增强特征图、第十三增强特征图和第十五增强特征图; 步骤S5,在改进的道路车辆分割模型中的分割层进行检测处理,将第十一增强特征图、第十三增强特征图和第十五增强特征图分别输入到由三个分割头构成的分割层;分割层对第十一增强特征图、第十三增强特征图和第十五增强特征图分别处理,完成对初始特征图中需要识别的不同尺寸目标进行语义分割; 步骤S3中,第一提取特征图输入到大核卷积特征提取网络的大核卷积感知特征提取模块进行特征提取,得到第五提取特征图、第七提取特征图和第九提取特征图;具体为: 步骤S304,第一提取特征图输入到大核卷积感知特征提取模块中的小核卷积提取块;小核卷积提取块对第一提取特征图的局部特征进行提取处理;小核卷积提取块使用3x5的深度卷积提取第一提取特征图的局部空间特征,利用第一挤压激励注意力模块校准第一特征图各通道的权重,将校准特征权重后的第一提取特征图输入到前馈网络,通过残差连接消除梯度消失,处理后得到第二提取特征图; 步骤S305,将第二提取特征图输入大核卷积感知特征提取模块的第一阶段下采样块,下采样至116分辨率,得到第三提取特征图; 步骤S306,将第三提取特征图输入到大核卷积感知特征提取模块的第一大核卷积提取块,第一大核卷积提取块中的13x13大核卷积、5x5小核卷积、3x3小核卷积并行地对第三提取特征图的中层特征进行提取,分别由三个批次归一层进行卷积输出,偏移对齐相加得到有多感受野表达的第四提取特征图; 步骤S307,将第四提取特征图输出到第二挤压激励注意力模块增强有用特征,调整有用特征在通道中的权重,将第二挤压激励注意力模块处理后的第四提取特征图输入到结构重参数化模块,将多卷积并行处理得到的多感受野特征合并,得到带有扩大感受野的第五提取特征图; 步骤S308,将第五提取特征图输入到大核卷积感知特征提取模块的第二阶段下采样块,下采样至132分辨率,得到第六提取特征图; 步骤S309,第六提取特征图输入到大核卷积感知特征提取模块的第二大核卷积提取块,得到平衡全局语义与局部的第七提取特征图; 步骤S310,将第七提取特征图输入到大核卷积感知特征提取模块的第三阶段下采样块,下采样至164分辨率,得到第八提取特征图; 步骤S311,第八提取特征图输入到大核卷积感知特征提取模块的第三大核卷积提取块,得到高级语义特征的第九提取特征图。

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江西师范大学,其通讯地址为:330000 江西省南昌市高新技术开发区紫阳大道99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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。