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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉大連理工大學申請的專利一種輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的構建方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120451563B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510935229.2，技術領域涉及：G06V10/26；該發(fā)明授權一種輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的構建方法是由范劍超;隋子泰;謝宇嘉;周輝;王心哲;何俊林;李萌萌;趙益智;王平卓設計研發(fā)完成，并于2025-07-08向國家知識產權局提交的專利申請。

本一種輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的構建方法在說明書摘要公布了：一種輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的構建方法，屬于人工智能技術領域。首先，利用特征壓縮和稀疏化理論推導得到一個核心目標函數(shù)。其次，對核心目標函數(shù)進行推理，得到正向輕量化白盒Transformer模塊，包含白盒注意力結構和稀疏優(yōu)化過程。再次，利用歐拉離散化方法求解核心目標函數(shù)的常微分方程，得到逆向輕量化白盒Transformer模塊。最后，利用維度和數(shù)量均相同的EWTBlock模塊、EWTBlock?1模塊，分別作為輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的編碼器和解碼器，輸出目標的語義分割。本發(fā)明能夠解決傳統(tǒng)網(wǎng)絡結構和模塊不具備可解釋性以及Transformer參數(shù)量大，計算復雜等問題，能夠實現(xiàn)全局可解釋性建模和網(wǎng)絡輕量化設計。

本發(fā)明授權一種輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的構建方法在權利要求書中公布了：1.一種輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的構建方法，其特征在于，所述構建方法具體為： 第一步，利用特征壓縮和稀疏化理論推導得到一個核心目標函數(shù)； 第二步，對核心目標函數(shù)進行推理，得到正向輕量化白盒Transformer模塊，并將正向輕量化白盒Transformer模塊定義為EWTBlock模塊，所述EWTBlock模塊包含兩個部分：白盒注意力結構和稀疏優(yōu)化過程； 第三步，所述EWTBlock模塊具有可逆性，利用歐拉離散化方法求解核心目標函數(shù)的常微分方程，得到逆向輕量化白盒Transformer模塊，將其定義為EWTBlock-1模塊，EWTBlock-1模塊通過重建深度壓縮的特征細節(jié)信息； 第四步，利用維度和數(shù)量均相同的EWTBlock模塊、EWTBlock-1模塊，分別作為輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的編碼器和解碼器，輸出目標的語義分割，完成輕量化白盒Transformer的可逆自解釋性語義分割網(wǎng)絡的搭建； 所述第一步具體為： 步驟1.1，使用塊裁剪策略將輸入圖像I剪裁成特征集，并對特征集中蘊含的編碼率進行估計得到；同時將特征集進行條件約束分組劃分，估計劃分后的特征集的編碼率；特征集中編碼率與劃分后的特征集的編碼率之差，作為神經網(wǎng)絡中的信息增益的具體體現(xiàn)，如公式（1）、（2）、（3）所示： （1）； （2）； （3）； 其中：是特征集的編碼率的估計；是在條件約束分組下對特征集的編碼率的估計；是條件約束分組；和是常數(shù)；表示對特征集在條件約束分組后得到的不同子集的數(shù)量；為其中包含的常數(shù)，且滿足；是矩陣行列式的對數(shù)；表示單位矩陣； 步驟1.2，特征集隨機分解為標記特征，每個標記特征都蘊含著特征集豐富的局部語義信息；使用子空間對標記特征進行非線性變換，得到每個標記特征的子空間投影，如公式（4）所示： （4）； 其中：表示標記特征在子空間中的投影特征；表示特征集被隨機分解為標記特征的個數(shù)位置信息，表示子空間的轉置；的編碼率的估計，如公式（5）所示： （5）； 其中：表示一個常數(shù)；表示的編碼率的估計； 步驟1.3，將標記特征在子空間中的投影特征的編碼率進行聚合和累加，估計整個特征集的編碼率，如公式（6）所示： （6）； 其中：表示子空間的總數(shù)量；q表示子空間個數(shù)位置信息，；表示標記特征； 由于是在特征集的子空間條件下定義的，因此，特征集的編碼率之差目標函數(shù)表示，如公式（7）所示： （7）； 其中：表示特征集的編碼率之差目標函數(shù)； 根據(jù)公式（7），通過最大化特征集的編碼率之差目標函數(shù)，以獲得更加壓縮和簡化的特征表示； 步驟1.4，在最大化特征集的編碼率之差目標函數(shù)的過程中，特征集的稀疏性保持不變；將最大化特征集的編碼率之差目標函數(shù)和稀疏性F1范數(shù)合并為一個核心目標函數(shù)，如公式（8）所示： （8）； 其中：為常數(shù)；表示特征集在核心目標函數(shù)優(yōu)化的期望；是F范數(shù)，用于約束特征集的稀疏性。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人大連理工大學，其通訊地址為：116024 遼寧省大連市甘井子區(qū)凌工路2號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。