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！

龙图腾网获悉深圳大学申请的专利基于序列化网络的道路语义分割方法、装置及电子设备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：CN115861611B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211465440.5，技术领域涉及：G06V10/26；该发明授权基于序列化网络的道路语义分割方法、装置及电子设备是由周智;邹文斌;田时舜;李霞;邹辉设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本基于序列化网络的道路语义分割方法、装置及电子设备在说明书摘要公布了：本发明涉及机器学习技术，揭露一种基于序列化网络的道路语义分割方法、装置及电子设备，该方法包括：利用道路语义分割模型中的序列流RGB‑D特征提取器对预先获取的道路图像进行特征提取，得到RGB数据特征及深度数据特征，道路语义分割模型还包括多模态特征融合模块以及语义流预测模块；利用多模态特征融合模块将RGB数据特征及深度数据特征进行特征融合，得到融合特征；利用语义流预测模块对融合特征进行语义流预测，得到语义流；从融合特征中选取基准特征，根据基准特征、融合特征及语义流进行语义对齐与标签匹配，得到语义流对应的道路标签。本发明可以解决在进行道路语义分割时无法保证深度数据的精度以及无法充分利用RGB‑D信息的问题。

本发明授权基于序列化网络的道路语义分割方法、装置及电子设备在权利要求书中公布了：1.一种基于序列化网络的道路语义分割方法，其特征在于，包括： 利用预构建的道路语义分割模型中的序列流RGB‑D特征提取器对预先获取的道路图像进行特征提取，得到RGB数据特征及深度数据特征，所述道路语义分割模型还包括多模态特征融合模块以及语义流预测模块； 利用所述多模态特征融合模块将所述RGB数据特征及所述深度数据特征进行特征融合，得到融合特征； 利用所述语义流预测模块对所述融合特征进行语义流预测，得到语义流； 从所述融合特征中选取基准特征，根据所述基准特征、所述融合特征以及所述语义流进行语义对齐以及标签匹配，得到所述语义流对应的道路标签； 所述利用预构建的道路语义分割模型中的序列流RGB‑D特征提取器对预先获取的道路图像进行特征提取，得到RGB数据特征及深度数据特征，包括： 对所述道路图像进行类别划分，得到RGB数据及深度数据； 利用所述序列流RGB‑D特征提取器对所述RGB数据及所述深度数据进行卷积处理，得到RGB数据特征及深度数据特征； 所述序列流RGB‑D特征提取器如下所示： 其中，表示第个序列第层所提取的RGB数据特征或深度数据特征，表示第个序列的RGB数据或深度数据，表示第个序列第层对应的序列流RGB‑D特征提取器，表示第个序列第层所提取的RGB数据特征或深度数据特征，表示第个序列第层所提取的RGB数据特征或深度数据特征； 所述利用所述语义流预测模块对所述融合特征进行语义流预测，得到语义流，包括： 对所述融合特征进行解码，得到多个解码特征，根据所述多个解码特征选取基准特征以及参考特征； 利用所述语义流预测模块中的校正层计算所述参考特征与所述基准特征的相关性矩阵； 利用门单元对所述相关性矩阵进行网络处理，得到更新门特征及复位门特征； 利用所述语义流预测模块中的卷积层对所述更新门特征及所述复位门特征进行卷积处理，得到卷积更新门特征及卷积复位门特征； 利用预设的第三公式对所述基准特征、所述参考特征、所述卷积更新门特征及所述卷积复位门特征进行整合计算，得到整合特征； 对所述整合特征进行卷积处理，得到语义流。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区粤海街道南海大道3688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”。