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！

龙图腾网获悉武汉工程大学申请的专利融合局部与全局特征的快速语义分割网络和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：CN116129119B 。

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：202310086646.5，技术领域涉及：G06V10/26；该发明授权融合局部与全局特征的快速语义分割网络和语义分割方法是由徐国平;冷雪松;王霞霞;廖文涛;张炫;吴兴隆设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。

本融合局部与全局特征的快速语义分割网络和语义分割方法在说明书摘要公布了：本发明提供了融合局部与全局特征的快速语义分割网络和语义分割方法，通过双分支结构分别提取输入图像的局部信息和全局信息，使其更好地融合得到包含较多信息的分割特征，解决了局部和全局特征难以交互的问题，有效实现了提高分割效率和整体性能的功能。本发明提出了一种新的多尺度特征融合模块，利用Transformer的语境信息以及卷积的局部表示特征；可以同时处理局部以及全局特征信息，在快速的医学图像分割中展示出了非常优秀的性能。本发明在提取全局特征与局部特征的同时降低了计算时的复杂度，在保证分割结果的同时减少了网络训练所需的时间，实现了在保证分割速度的同时提高分割性能的功能。

本发明授权融合局部与全局特征的快速语义分割网络和语义分割方法在权利要求书中公布了：1.一种基于融合局部特征与全局特征的快速语义分割网络的语义分割方法，其特征在于： 融合局部特征与全局特征的快速语义分割网络包括第一分支、第二分支和MSFFM多尺度融合模块； 第一分支为CNN分支，包括多个卷积层，用于提取图像的局部特征信息； 第二分支为Transformer分支，包括LN层、多个Outlooker注意力层和一系列转换器MLP，用于通过下采样和自注意力机制提取图像的全局特征信息和上下文特征信息； 第一分支和第二分支输出的特征信息通过多个双边连接以交互的方式融合；第二分支的每次计算输出与第一分支的输出进行交互，用于让第一分支更好的学习全局特征且不增加计算复杂度； 第二分支的每次计算输出连接到MSFFM多尺度融合模块，MSFFM多尺度融合模块用于融合通过交互方式融合后的第一分支和第二分支输出的特征信息，对信息做多尺度的融合操作； 包括以下步骤： S1：设输入的待进行语义分割的图像为A；对图像A进行双分支操作，分别通过CNN操作和Transformer操作提取图像的局部特征和全局特征；具体步骤为： S11：图像A经过两次带下采样的卷积操作，产生分辨率为图像A的14的特征图A1，并分别输入到CNN分支和Transformer分支； S12：Transformer分支产生分辨率为图像A的18的特征图A2；将特征图A2输入到MSFFM多尺度融合模块；同时对特征图A2做带上采样的卷积操作后再与特征图A1进行相加操作，并输入到CNN分支； S13：对经过CNN分支的卷积操作后得到的新的特征图进行一次带下采样的CNN操作，然后与特征图A2进行相加操作； S14：Transformer分支使用Transformer操作来融合相加起来的特征图； S15：重复步骤S12至S14三次，Transformer分支分别产生特征图A2、特征图A3和特征图A4，对应的分辨率分别为图像A的18、116和132； S16：对特征图A4做带上采样的卷积操作后再与CNN分支上一步输出的特征图进行相加操作，并输入到CNN分支经过卷积操作输出特征图A5，其分辨率为图像A的14； S2：将双分支的输出进行交互后输入到MSFFM多尺度融合模块中，对CNN操作提取的局部特征和Transformer操作提取的全局特征进行不同尺度的融合，得到融合了全局特征信息以及局部特征信息的特征图；具体步骤为： S21：将CNN分支得到的特征图A5和Transformer分支得到的特征图A2、特征图A3、特征图A4输出载入融合模块； S22：根据输出特征图的分辨率，对Transformer分支得到的特征图分别进行带上采样的卷积操作和线性瓶颈结构的插值操作，得到相同的维度和分辨率的特征图；然后再与CNN分支得到的特征图进行concatenate操作，融合得到最终的输出；具体步骤为： S221：对Transformer分支最后输出的特征图A4进行带上采样的CNN操作得到分辨率放大两倍的特征图A4′，对经过两次Transformer操作得到的特征图A3进行线性瓶颈结构的插值操作得到特征图A3′，将相同分辨率的特征图A4′和A3′进行相加操作得到特征A33； S222：对特征图A33进行带上采样的CNN操作得到分辨率放大两倍的特征图A22，对经过一次Transformer操作得到的特征图A2进行线性瓶颈结构的插值操作得到特征图A2′，将相同分辨率的特征图A22和A2′进行相加操作得到特征A11； S223：对A11进行带上采样的CNN操作得到分辨率放大两倍的特征图A00，然后与CNN分支得到的特征图A5进行concatenate操作得到最终输出。

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武汉工程大学，其通讯地址为：430074 湖北省武汉市洪山区雄楚大街693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。