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！

龙图腾网获悉三峡大学申请的专利一种基于深度学习的图像抠图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：CN116188515B 。

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：202211550065.4，技术领域涉及：G06T7/194；该发明授权一种基于深度学习的图像抠图方法是由王安慧;向杰;任东;林荣设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种基于深度学习的图像抠图方法在说明书摘要公布了：一种基于深度学习的图像抠图方法，包括以下步骤：步骤1：获取抠图数据集，包括原图、标签图，根据标签图生成三分图，把所述抠图数据集中样本划分为训练集、验证集和测试集；步骤2：搭建基于GAN的编码器‑解码器结构的图像抠图网络模型；步骤3：将训练集输入模型进行训练，每训练完一轮，用验证集验证一遍，计算损失，保存最好的模型；步骤4：将待测试的图像和三分图输入到模型中进行测试。本发明的目的是为了针对复杂自然图像抠图任务中，存在浅层特征丢失、多尺度特征提取不足以及背景信息复杂易混淆的技术问题，而提出的一种能够有效的保留浅层特征、提高对目标的背景辨别能力并获取丰富的多尺度特征的自然图像抠图方法。

本发明授权一种基于深度学习的图像抠图方法在权利要求书中公布了：1.一种基于深度学习的图像抠图方法，其特征在于，包括以下步骤： 步骤1：获取抠图数据集，包括原图、标签图，根据标签图生成三分图，把抠图数据集中样本划分为训练集、验证集和测试集； 步骤2：搭建基于GAN的编码器-解码器结构的图像抠图网络模型； 步骤3：将训练集输入模型进行训练，每训练完一轮，用验证集验证一遍，计算损失，保存最好的模型，即保留损失函数最低的模型； 步骤4：将待测试的图像和三分图输入到模型中进行测试； 所搭建的基于GAN的编码器-解码器结构的图像抠图网络模型具体为： 编码器第一层1→编码器第二层2→编码器第三层3→编码器第四层4→编码器第五层5→解码器第一层6； 编码器第四层4→第一个S-BAM模块13→跳跃密集链接第一层14，解码器第一层6→解码器第二层7； 编码器第三层3→第二个S-BAM模块12→跳跃密集链接第二层15，解码器第二层7→解码器第三层8； 编码器第二层2→第三个S-BAM模块11→跳跃密集链接第三层16，解码器第三层8→解码器第四层9； 编码器第一层1→第四个S-BAM模块10→跳跃密集链接第四层17，解码器第四层9→解码器第五层10； S-BAM具体如下： 输入特征图像18→通道维度特征1×1×C19→通道特征系数Mc21； 输入特征图像18→空间维度特征H×W×120→空间特征系数Ms22； 通道特征系数Mc21，空间特征系数Ms22→相加融合23→融合特征系数Mf24； 输入特征图像18，融合特征系数Mf24→特征图加权25→输出特征图像26。

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三峡大学，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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。