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！

龙图腾网获悉昆明理工大学申请的专利一种基于深度可分离卷积的多尺度融合烟雾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：CN116012395B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310070476.1，技术领域涉及：G06T7/11；该发明授权一种基于深度可分离卷积的多尺度融合烟雾分割方法是由王开正;周顺珍;付一桐;谭义章;王帅旗;俞瑞龙;孔德照设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本一种基于深度可分离卷积的多尺度融合烟雾分割方法在说明书摘要公布了：本发明公开了一种基于深度可分离卷积的多尺度融合烟雾分割方法，包括：获取待分割的烟雾图像；将待分割的烟雾图像输入预训练好的烟雾分割网络模型，得到输出的烟雾分割结果图；其中所述烟雾分割网络模型包括编码模块和解码模块，所述编码模块包括基于采用深度可分离卷积的改进Xception的骨干网络和改进的ASPP_SE模块；所述解码模块包括通道特征增强模块、多尺度特征融合模块、卷积和上采样。

本发明授权一种基于深度可分离卷积的多尺度融合烟雾分割方法在权利要求书中公布了：1.一种基于深度可分离卷积的多尺度融合烟雾分割方法，其特征在于，包括： 获取待分割的烟雾图像； 将待分割的烟雾图像输入预训练好的烟雾分割网络模型，得到输出的烟雾分割结果图； 其中所述烟雾分割网络模型包括编码模块和解码模块，所述编码模块包括基于采用深度可分离卷积的改进Xception的骨干网络和改进的ASPP_SE模块；所述解码模块包括通道特征增强模块、多尺度特征融合模块、卷积和上采样； 编码模块采用改进的Xception作为骨干网络，初始图像输入到编码模块，经输入流、中间流和输出流卷积运算，生成分辨率为初始图像116的特征向量；中间流是主要特征学习模块，由8个重复的分离卷积模块DSCM直连组成，每个分离卷积模块由3个728通道的深度分离卷积以残差结构连接；采用残差连接的中间流结构，用1×1卷积把输入通道数降为600后，将8个分离卷积模块均分成4组，每组以残差连接再次使用1×1卷积把通道数恢复为728，得到骨干网络提取的采样率为2的第一特征张量、采样率为4的第二特征张量、采样率为8的第三特征张量、采样率为16的第四特征张量；将骨干网络提取的第四特征张量输入改进的ASPP_SE模块，改进的ASPP_SE模块包括第一个支路、第二个支路、第三个支路、第四个支路、第五个支路；第一个支路是1×1标准卷积，用于保持原有的感受野；第二至四个支路是r＝6、r＝12、r＝18,3种不同扩张率的深度可分离卷积，用于特征提取来获得不同的感受野；第五个支路是全局平均池化，用于获取全局特征；在第五个分支将输入特征图经过全局平均池化后加入两个全连接层以及Sigmoid函数，生成通道注意力权重向量；分别对第一个支路、第二个支路、第三个支路、第四个支路的特征图采用通道注意力权重向量进行加权；将第一个支路、第二个支路、第三个支路、第四个支路、第五个支路输出的特征图在通道维度上堆叠，经过1×1标准卷积融合不同尺度的信息；并将该输出与骨干网络提取的第四特征张量相乘，作为编码模块输出的特征张量； 解码模块采用通道特征增强模块、多尺度特征融合模块、卷积和上采样，通过上采样恢复图像尺寸并完成烟雾图像分割；对来自编码模块输出的特征张量通过双线性插值2倍上采样得到第一特征图；对来自骨干网络的第一特征张量、第二特征张量、第二特征张量采用通道特征增强模块进行通道特征增强分别得到第一通道注意力特征图、第二通道注意力特征图、第三通道注意力特征图；采用多尺度特征融合模块将第一通道注意力特征图和第一特征图进行特征融合得到第一融合特征图，第一融合特征图经过2倍上采样后与第二通道注意力特征图进行特征融合得到第二融合特征图；第二融合特征图经过2倍上采样后与第三通道注意力特征图进行特征融合得到第三融合特征图；将第三融合特征图进行3×3卷积后2倍上采样操作，输出烟雾分割结果图。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区吴家营街道昆明理工大学；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。