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！

龙图腾网获悉北京科技大学申请的专利一种跨阶段特征信息融合的实时实例分割方法及系统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：CN116645506B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202310544711.4，技术领域涉及：G06V10/26；该发明授权一种跨阶段特征信息融合的实时实例分割方法及系统是由刘丽;李云涛设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种跨阶段特征信息融合的实时实例分割方法及系统在说明书摘要公布了：本发明公开了一种跨阶段特征信息融合的实时实例分割方法及系统，所述方法包括：对SOLOv2模型进行改进，以缩减主干网络计算量、改善小目标漏分割和目标遮挡问题，得到实例分割模型；其中，所述实例分割模型包括基于位置注意力的跨阶段融合骨干网络、双向特征金字塔网络以及跨阶段掩码特征融合结构；对所述实例分割模型进行训练；利用训练好的实例分割模型对待分割的图像进行处理，得到对应的实例分割结果。本发明通过缩减主干网络计算量、改善小目标漏分割和目标遮挡问题，进一步提高了模型的整体分割精度。

本发明授权一种跨阶段特征信息融合的实时实例分割方法及系统在权利要求书中公布了：1.一种跨阶段特征信息融合的实时实例分割方法，其特征在于，包括： 对SOLOv2模型进行改进，以缩减主干网络计算量、改善小目标漏分割和目标遮挡问题，得到实例分割模型；其中，所述实例分割模型包括基于位置注意力的跨阶段融合骨干网络、双向特征金字塔网络和跨阶段掩码特征融合结构； 对所述实例分割模型进行训练，得到训练好的实例分割模型； 利用训练好的实例分割模型对待分割的图像进行处理，得到实例分割结果； 所述对SOLOv2模型进行改进，包括： 采用跨阶段融合结构改进SOLOv2模型原主干网络ResNet，缩减卷积层的参数量，重用特征图，以减少内存消耗，提高模型的训练效率； 采用Mish激活函数对Relu激活函数进行替换； 设计位置注意力插入残差块之间，以提取底层特征图的位置信息； 通过引入底层位置信息流与高层语义信息融合，设计双向特征金字塔网络TWFPN，以补充位置信息的缺失； 针对原网络FPN将特征层放大到同一尺寸后进行叠加的操作，将高层语义层P5进行2倍上采样后与低一层的特征N4在通道维度进行拼接，并通过跨阶段8倍上采样对语义信息增强，设计跨阶段掩码特征融合结构，考虑计算量的同时将全局语义信息引入掩码特征分支，改善模型对小目标的检测与分割能力； 设计自适应最小损失函数匹配方法，包括：首先在函数LMask中引入影响因子ε，自适应调整预测掩码的权重信息，提高实例分割精度；然后以sigmoid函数对类别和掩码损失进行归一化处理，通过求和运算综合两种损失；最后，对Loss进行比较，取最小损失进行网络训练；其中，LMask、ε、Loss被定义为： Loss＝sigmoidLCate+sigmoidλLMask 其中，LCate代表类别损失函数，采用焦点损失进行计算，P是正样本集合，Npos是正样本数量，mi表示第i个特征点的预测掩码，gi表示第i个特征点的真实掩码，λ设置为3，CPX、CPY表示预测掩码中心点位置的横纵坐标，CGX、CGY表示真实标注中心点位置的横纵坐标。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。