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！

龙图腾网获悉大连理工大学申请的专利一种基于网络模体图表示学习的小样本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：CN115661457B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211342949.0，技术领域涉及：G06V10/26；该发明授权一种基于网络模体图表示学习的小样本语义分割方法是由原旭;于硕;杨影;黄华飞设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种基于网络模体图表示学习的小样本语义分割方法在说明书摘要公布了：本发明属于人工智能研究领域，提出一种基于网络模体图表示学习的小样本语义分割方法。本发明主要解决由于通道特征提取能力不足，导致的查询图像中通道信息丢失问题。所述方法主要包括特征提取模块、关系参考模块、隐式关系挖掘模块、多尺度交互模块和最终分割模块。该发明将查询通道特征作为节点，构造图结构，建立节点之间的关系；利用网络模体来量化节点的属性特征和结构特征，以增强通道之间的关系；最后，聚合属性特征和结构特征，并通过图表示学习来挖掘节点之间的隐式关系。该发明通过将查询通道特征的隐式关系显示化，缓解了查询图像中的信息丢失问题。

本发明授权一种基于网络模体图表示学习的小样本语义分割方法在权利要求书中公布了：1.一种基于网络模体图表示学习的小样本语义分割方法，其特征在于，该基于网络模体图表示学习的小样本语义分割方法将查询图像通道特征作为节点，构造图结构，利用网络模体量化节点的属性特征和结构特征，通过图表示学习聚合属性特征和结构特征，挖掘节点之间的隐式关系，从而缓解查询图像中的信息丢失问题；基于网络模体图表示学习的小样本语义分割方法包括特征提取模块、关系参考模块、隐式关系挖掘模块、多尺度交互模块和最终分割模块，具体步骤如下： S1、特征提取模块提取支持图像和查询图像的特征，并生成支持原型： 利用特征提取主干网络提取支持图像和查询图像的特征，分别为支持特征和查询特征；支持特征和查询特征分为中级特征和高级特征，中级支持特征表示看不见的类共享的对象部分，包括颜色、位置和边缘，高级特征与对象类别相关；使用支持图像掩码全局池去除背景干扰，获得支持原型； S2、关系参考模块用于计算支持特征和查询特征之间的相关性，为后续分割提供先验知识： 计算步骤S1获得的高级支持特征与查询特征之间的关系，生成关系参考图； S3、隐式关系挖掘模块将查询图像通道特征建模为拓扑图，通过基于网络模体图表示学习挖掘查询图像的隐式通道关系： 挖掘步骤S1获得的中级查询特征的隐式关系；将查询图像中离散的通道特征转换为拓扑图；通过基于网络模体图表示学习，提取出中级查询特征的通道特征的有益隐式相关性，获得新的查询特征； S4、多尺度交互模块基于多尺度将特征提取模块、关系参考模块、隐式关系挖掘模块的输出融合： 将关系参考图、新的查询特征和支持原型连接起来；基于多尺度交互模块，通过关系参考图和支持原型自适应地丰富新的查询特征，获得融合的查询特征； 在水平方向上，新的查询特征、支持原型和关系参考图相互作用并合并；在纵向上，多尺度交互模块自上而下地将更多的细化特征集成到隐式关系挖掘模块输出的新的查询特征中；最后，收集不同尺度的特征作为最后融合的查询特征； S5、最终分割模块通过融合的查询特征预测出查询图像掩码并分割：对融合的查询特征使用分类报头进行分割，得到最终的查询图像预测掩码； S6、利用交叉熵损失函数计算查询图像真实掩码和最终的查询图像预测掩码之间的损失，以及查询图像真实掩码和不同尺度下的查询图像预测掩码之间的损失，将两种损失相加，利用梯度反传函数更新模型的参数。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路２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。