買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利基于CNN和Transformer的圖像分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115984560B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211686784.9，技術領域涉及：G06V10/26；該發明授權基于CNN和Transformer的圖像分割方法是由王興起;王海林;魏丹;方景龍設計研發完成，并于2022-12-26向國家知識產權局提交的專利申請。

本基于CNN和Transformer的圖像分割方法在說明書摘要公布了：本發明公開了一種基于CNN和Transformer的圖像分割方法。本發明把圖像傳遞給CNN模塊，通過逐層的卷積和池化提取出圖像的局部低級特征；把相同的圖像傳遞給Transformer模塊，其將圖像分割為合適的塊并進行特征提取，提取并保存圖像的全局信息和遠程依賴關系；把并行執行的兩個模塊的提取結果重新排列；把CNN模塊每一層的中間結果傳遞給上采樣層，并把最后一層的結果額外通過一個Transformer層來進一步強化全局特征；最后把融合后的數據和CNN模塊傳遞過來的數據統一交給上采樣模塊，通過使用全局和局部的特征來恢復圖像分辨率。本發明提高了圖像語義分割的準確率。

本發明授權基于CNN和Transformer的圖像分割方法在權利要求書中公布了：1.基于CNN和Transformer的圖像分割方法；其特征在于：具體包括以下步驟： 步驟1：對圖像進行全局語義特征提取； 將圖像輸入到Transformer編碼部分，首先經過補丁分割層，然后經過四個下采樣層，下采樣層中會先經過補丁融合，然后再輸入SwinTransformerBlock中提取全局語義特征； 步驟2：通過CNN模塊提取圖像局部細節特征； 步驟2-1：卷積與下采樣，整個CNN階段共進行四次下采樣，最終圖像格式為 步驟3：特征重構與合并； 在CNN模塊與Transformer模塊均提取完特征后，由于兩者對特征標記數據的組織規格不同，需要對卷積網絡的特征數據進行重構，然后把重構后的數據與后者的輸出在維度通道進行合并；將合并后的特征數據通過一個Transformer塊，然后再次對輸出結果重構，使其符合上采樣要求的數據格式； 步驟4：對特征信息解碼并得到分割結果； 步驟4-1：解碼器將合并重構后的數據輸入到上采樣層，逐步恢復特征圖像的分辨率，上采樣之后通過跳躍連接與CNN中保留的不同層級的特征圖像合并，然后對合并后的圖像進行卷積，連續經過三次上采樣和三次跳躍連接，圖像的規格恢復到最后通過一個4倍上采樣的補丁拓展層將圖像恢復到H×W×C； 步驟4-2：分割預測，將上采樣之后的特征標記傳遞到線性映射層，輸出最終的像素級分割預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。