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！

龙图腾网获悉南京邮电大学申请的专利基于轻量级多尺度特征增强网络的小样本图像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：CN115908806B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202211475679.0，技术领域涉及：G06V10/26；该发明授权基于轻量级多尺度特征增强网络的小样本图像分割方法是由李群;孙宝泉;肖甫;盛碧云;沙乐天设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本基于轻量级多尺度特征增强网络的小样本图像分割方法在说明书摘要公布了：基于轻量级多尺度特征增强网络的小样本图像分割方法，提供了一种新型的小样本图像分割网络，即轻量级多尺度特征增强网络Lite‑FENet，该网络提取具有丰富的上下文信息的多尺度特征表示，为预测像素生成描述性特征，能够有效缓解支持样本和查询样本之间存在的偏差。此外，该网络可以替换小样本图像分割方法的后端特征交互模块，进一步提升性能。本发明提供了空间交互模块SIM，以较低的参数量实现了长距离不同空间尺度之间上下文信息传递，其中自上而下的跨尺度传输自适应地为低分辨率特征提供所需的信息，并输出细化的特征图。该方法能够准确、高效地对查询图像特定目标类别进行预测分割，抑制错误预测，当支持样本和查询样本出现偏差时仍具有鲁棒性。

本发明授权基于轻量级多尺度特征增强网络的小样本图像分割方法在权利要求书中公布了：1.基于轻量级多尺度特征增强网络的小样本图像分割方法，其特征在于：所述方法包括如下步骤： 步骤1，获取用于小样本图像分割的数据集，划分为训练集和测试集，其中为每次训练或测试随机选取样本对，每个样本对包括一个支持集和一个查询集，查询集包含1个查询样本，支持集包含K个带有注释的支持样本；所有样本以及掩膜标签经过统一的数据预处理； 步骤2，使用预训练的骨干网络提取支持样本和查询样本的特征，并使用支持样本的高级特征与查询样本的高级特征进行余弦相似度计算，得到查询样本的先验掩膜 步骤3，利用支持样本标签与中级支持特征，通过掩码平均池化操作提取出支持原型特征向量，并将此一维特征向量膨胀到同先验掩膜同等空间大小，得到 步骤4，构建轻量级多尺度特征增强网络Lite-FENet，以支持原型特征Ps、中级查询特征Fq和先验掩码为输入，输出不同空间分辨率的特征图，并进行拼接和信息融合； 步骤4中，轻量级多尺度特征增强网络Lite-FENet在第1阶段将原型特征Ps、中级查询特征Fq和先验掩码在通道维度上拼接，使用1×1卷积融合各通道信息后，在通道维度降维，并以分支作为最高分辨率分支： 其中，ReLU表示ReLU非线性激活函数，Conv1×1表示1×1卷积操作，Concat表示在通道维度进行拼接； 此后，在每个阶段的开始，通过两倍下采样上一阶段的最低分辨率特征图，产生新的更低分辨率的特征图，以该特征图开始新的分支； 在下一阶段，以上一阶段输出的特征图和新生成的最低分辨率特征图作为输入，并行经过空间交互模块SIM；其中，上标n表示第n阶段，下标{1,2,...,n}表示第n阶段中的分支索引，1表示最高分辨率分支；空间交互模块对相邻尺度以自上到下的方式传递更多信息到低分辨率特征产生该尺度下的细化特征图；在最后阶段，Lite-FENet输出4种不同空间分辨率的特征图； 所述空间交互模块包含两个跳跃连接；在第一个跳跃连接，接收当前阶段相邻的较高分辨率分支输出的细化特征图和输入到当前分支的特征图，先将较高分辨率的特征图的空间大小调整到和较小分辨率特征图的空间大小相同，经过特征拼接和一个1×1卷积，随后和输入的较低分辨率特征图进行元素级相加操作；第二个跳跃连接，由一个步长为1的3×3深度卷积、两个1×1卷积、一个步长为1的3×3深度卷积的顺序构成，并且每次卷积之后都接一个批归一化层，在第一次和第三次卷积的批归一化层之后再使用ReLU激活函数激活，最后输出时再与第二个跳跃连接输入的特征图在元素级相加； 步骤5，利用步骤1构建的训练数据集合，对步骤2～4所构建的Lite-FENet网络进行训练，根据主损失Lmain和辅助损失Laux计算模型总损失L，进行反向传播优化模型参数；训练过程中骨干网络参数不进行更新； 步骤6，加载步骤5训练得到的Lite-FENet网络模型，在步骤1构建的测试数据集合上评估验证模型； 步骤7，完成评估验证后，使用Lite-FENet网络模型对待分割的小样本图像进行处理，输出分割结果。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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”。