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！

龍圖騰網獲悉南京郵電大學申請的專利基于輕量級多尺度特征增強網絡的小樣本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：CN115908806B 。

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：202211475679.0，技術領域涉及：G06V10/26；該發明授權基于輕量級多尺度特征增強網絡的小樣本圖像分割方法是由李群;孫寶泉;肖甫;盛碧云;沙樂天設計研發完成，并于2022-11-23向國家知識產權局提交的專利申請。

本基于輕量級多尺度特征增強網絡的小樣本圖像分割方法在說明書摘要公布了：基于輕量級多尺度特征增強網絡的小樣本圖像分割方法，提供了一種新型的小樣本圖像分割網絡，即輕量級多尺度特征增強網絡Lite?FENet，該網絡提取具有豐富的上下文信息的多尺度特征表示，為預測像素生成描述性特征，能夠有效緩解支持樣本和查詢樣本之間存在的偏差。此外，該網絡可以替換小樣本圖像分割方法的后端特征交互模塊，進一步提升性能。本發明提供了空間交互模塊SIM，以較低的參數量實現了長距離不同空間尺度之間上下文信息傳遞，其中自上而下的跨尺度傳輸自適應地為低分辨率特征提供所需的信息，并輸出細化的特征圖。該方法能夠準確、高效地對查詢圖像特定目標類別進行預測分割，抑制錯誤預測，當支持樣本和查詢樣本出現偏差時仍具有魯棒性。

本發明授權基于輕量級多尺度特征增強網絡的小樣本圖像分割方法在權利要求書中公布了：1.基于輕量級多尺度特征增強網絡的小樣本圖像分割方法，其特征在于：所述方法包括如下步驟： 步驟1，獲取用于小樣本圖像分割的數據集，劃分為訓練集和測試集，其中為每次訓練或測試隨機選取樣本對，每個樣本對包括一個支持集和一個查詢集，查詢集包含1個查詢樣本，支持集包含K個帶有注釋的支持樣本；所有樣本以及掩膜標簽經過統一的數據預處理； 步驟2，使用預訓練的骨干網絡提取支持樣本和查詢樣本的特征，并使用支持樣本的高級特征與查詢樣本的高級特征進行余弦相似度計算，得到查詢樣本的先驗掩膜 步驟3，利用支持樣本標簽與中級支持特征，通過掩碼平均池化操作提取出支持原型特征向量，并將此一維特征向量膨脹到同先驗掩膜同等空間大小，得到 步驟4，構建輕量級多尺度特征增強網絡Lite-FENet，以支持原型特征Ps、中級查詢特征Fq和先驗掩碼為輸入，輸出不同空間分辨率的特征圖，并進行拼接和信息融合； 步驟4中，輕量級多尺度特征增強網絡Lite-FENet在第1階段將原型特征Ps、中級查詢特征Fq和先驗掩碼在通道維度上拼接，使用1×1卷積融合各通道信息后，在通道維度降維，并以分支作為最高分辨率分支： 其中，ReLU表示ReLU非線性激活函數，Conv1×1表示1×1卷積操作，Concat表示在通道維度進行拼接； 此后，在每個階段的開始，通過兩倍下采樣上一階段的最低分辨率特征圖，產生新的更低分辨率的特征圖，以該特征圖開始新的分支； 在下一階段，以上一階段輸出的特征圖和新生成的最低分辨率特征圖作為輸入，并行經過空間交互模塊SIM；其中，上標n表示第n階段，下標{1,2,...,n}表示第n階段中的分支索引，1表示最高分辨率分支；空間交互模塊對相鄰尺度以自上到下的方式傳遞更多信息到低分辨率特征產生該尺度下的細化特征圖；在最后階段，Lite-FENet輸出4種不同空間分辨率的特征圖； 所述空間交互模塊包含兩個跳躍連接；在第一個跳躍連接，接收當前階段相鄰的較高分辨率分支輸出的細化特征圖和輸入到當前分支的特征圖，先將較高分辨率的特征圖的空間大小調整到和較小分辨率特征圖的空間大小相同，經過特征拼接和一個1×1卷積，隨后和輸入的較低分辨率特征圖進行元素級相加操作；第二個跳躍連接，由一個步長為1的3×3深度卷積、兩個1×1卷積、一個步長為1的3×3深度卷積的順序構成，并且每次卷積之后都接一個批歸一化層，在第一次和第三次卷積的批歸一化層之后再使用ReLU激活函數激活，最后輸出時再與第二個跳躍連接輸入的特征圖在元素級相加； 步驟5，利用步驟1構建的訓練數據集合，對步驟2～4所構建的Lite-FENet網絡進行訓練，根據主損失Lmain和輔助損失Laux計算模型總損失L，進行反向傳播優化模型參數；訓練過程中骨干網絡參數不進行更新； 步驟6，加載步驟5訓練得到的Lite-FENet網絡模型，在步驟1構建的測試數據集合上評估驗證模型； 步驟7，完成評估驗證后，使用Lite-FENet網絡模型對待分割的小樣本圖像進行處理，輸出分割結果。

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南京郵電大學，其通訊地址為：210023 江蘇省南京市棲霞區文苑路9號；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”。