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！

龙图腾网获悉西安石油大学申请的专利一种面向低空无人机的实时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：CN115205530B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202210886996.5，技术领域涉及：G06V10/26；该发明授权一种面向低空无人机的实时图像语义分割方法是由白俊卿;韩柏迅;程国建;张丰侠设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本一种面向低空无人机的实时图像语义分割方法在说明书摘要公布了：一种面向低空无人机的实时图像语义分割方法，获取低空无人机视觉数据集，对数据集进行预处理，搭建超网络编码器‑解码器结构，在编码器的最后一层加入权重生成模块，在编码器编码结束前立即生成解码器中每个块的权重，减少预测时网络的参数量和计算量；在解码器中，利用局部连接层机制构建动态分片卷积，在面对跨越多个分片的大型分割对象时充分考虑到位置编码的语义信息，使解码器中每个卷积核的权重随输入特征图的空间位置而变化，利用动态权重针对性的分割不同物体，提供网络最大的自适应性；针对低空城市场景数据集中可训练图像较少的问题，利用迁移学习的方法对网络进行预训练；能够有效完成低空无人机视觉的实时图像语义分割任务。

本发明授权一种面向低空无人机的实时图像语义分割方法在权利要求书中公布了：1.一种面向低空无人机的实时图像语义分割方法，其特征在于：具体包括以下步骤： 步骤一、数据集选取：选取针对低空无人机视觉数据集； 步骤二、对步骤一选取的数据集进行数据预处理； 1数据增强：通过包括水平翻转和大小缩放对步骤一得到的数据集进行扩充，增强模型的泛化能力； 2尺度变换：步骤二第1步得到的数据集中的图像进行尺度化处理，将图像转化为网络默认的大小； 3划分数据集：将步骤二第2步得到的图像以比例划分为训练集和验证集； 步骤三、根据步骤二处理后的数据，构建端到端的超网络编码器-解码器结构； 步骤四、根据步骤三的网络结构，基于局部连接层结构设计一种固定的编码形式，设计位置编码，表现解码器的权重在不同空间位置上有所不同； 步骤五、根据步骤三的超网络编码器-解码器结构，将编码器网络最后一层替换为权重生成模块，权重生成模块参数的输入输出保持一致，将最后一个特征图从编码器网络映射到信号，然后将该信号发送到权重映射网络，生成解码器网络中解块的权重，使网络能够根据输入图像变换定制不同的分割过程； 步骤六、结合步骤四和步骤五，通过附加的空间位置编码和下采样的特征，构建具有动态权重的动态分片卷积；包括在信号传入每一个解码器中的解块时与权重映射网络进行卷积操作，将通道划分为个组并在各通道组内共享权重，使动态分片卷积的输入为一个特征图和一组权重网络； 步骤七、制定迁移学习策略并对网络进行训练，得到最终面向低空无人机视觉的实时图像语义分割模型。

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西安石油大学，其通讯地址为：710065 陕西省西安市电子二路东段18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。