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！

龙图腾网获悉上海欣能信息科技发展有限公司;上海电力大学申请的专利改进DeepLabv3+模型的电力线语义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：CN116129111B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211658461.9，技术领域涉及：G06V10/26；该发明授权改进DeepLabv3+模型的电力线语义分割方法是由陆晓民;曲超;秦伦明;赵文彬;左安全设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本改进DeepLabv3+模型的电力线语义分割方法在说明书摘要公布了：本发明公开了一种基于改进DeepLabv3+模型的电力线语义分割方法，所述方法用轻量级PP‑LCNet替换原始DeepLabv3+主干网络Xception，有效减少参数量并提升预测速度，在空洞空间金字塔池化模块中增加空洞卷积分支和级联卷积，获取具有更大感受野的多尺度特征从而减少漏分割现象，并进一步将空洞卷积分支改为瓶颈结构以减少参数量，再次在解码器融合3层浅层特征以恢复降采样过程中丢失的细节特征和空间信息。最后引入瓶颈注意力模块减少对电力线误分割现象。对实验环境进行配置，并针对设备性能及电力线的特点设置训练参数，最后利用划分的数据集对模型进行训练、验证和测试。

本发明授权改进DeepLabv3+模型的电力线语义分割方法在权利要求书中公布了：1.一种基于改进DeepLabv3+模型的电力线语义分割方法，其特征在于，所述方法包括以下步骤： 步骤1，针对DeepLabv3+模型的编码器，用PP-LCNet网络替换原始主干网络Xception； 步骤2，空洞空间金字塔池化模块增加空洞卷积分支和级联卷积，获取多尺度特征； 步骤3，在解码器引入3层浅层特征以恢复降采样过程中丢失的细节特征和空间信息； 步骤4：引入瓶颈注意力模块减少对电力线误分割； 步骤5，基于电力线数据集选取电力线图像进行数据集制作，并将该数据集划分为训练集、验证集和测试集； 步骤6，对实验环境进行配置，并针对设备性能及电力线的特点设置训练参数； 步骤7，利用数据集中的训练集和测试集对模型进行训练和验证； 步骤8，利用数据集中的测试集对模型进行测试，查看分割效果； 其中，步骤1中，PP-LCNet网络利用深度可分离卷积代替标准卷积，其中，深度可分离卷积中的激活函数ReLU替换为H-Swish，PP-LCNet网络在网络尾部用5×5卷积代替3×3卷积，并且在最后两个深度可分离卷积块中添加压缩和激励网络模块对网络通道进行加权； 步骤2中，空洞率组合为6，12，18的瓶颈级联空洞空间金字塔池化模块通过增加空洞卷积分支和级联卷积提取多尺度特征； 步骤2中，瓶颈级联空洞空间金字塔池化模块的结构中，增加一个空洞卷积分支，并将空洞率组合修改为3、6、9、12，然后对中间4个卷积分支进行2次3×3卷积级联运算，提取多尺度特征，当空洞卷积分支的空洞率为，卷积核大小为时，感受野大小为： ， 而两层空洞卷积分支级联时感受野大小为： ， 其中、为两层空洞卷积分别提供的感受野，将中间4个卷积分支先使用1×1卷积降维至64通道，然后进行2次3×3卷积处理，再利用1×1卷积升维到256通道； 步骤4中，瓶颈注意力模块由并行的通道注意力网络和空间注意力网络构成，输入特征图分别经两个并行的网络处理后得到特征图，然后将特征图与特征图通过逐点相乘以突出重要特征，将得到的特征图与特征图相加后输出注意力特征图，特征图和特征图的表达式分别如下： ， ， 其中为输入特征图，特征图为输入特征图分别经两个并行的网络处理后得到特征图，为sigmoid函数，和分别表示通道注意力网络和空间注意力网络输出特征图，为矩阵对应元素逐点相乘，为将与通过逐点相乘后得到的特征图与相加后输出注意力特征图。

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上海欣能信息科技发展有限公司;上海电力大学，其通讯地址为：202150 上海市崇明区新河镇新申路921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”。

以上内容由龙图腾AI智能生成。