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！

龙图腾网获悉中山大学申请的专利一种基于分层上下文感知交互重构的场景文本消隐方法和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：CN119648858B 。

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：202411723997.3，技术领域涉及：G06T11/60；该发明授权一种基于分层上下文感知交互重构的场景文本消隐方法和系统是由代朋纹;李靖宇;温小梦;熊智忠设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于分层上下文感知交互重构的场景文本消隐方法和系统在说明书摘要公布了：本发明公开了一种基于分层上下文感知交互重构的场景文本消隐方法和系统，方法包括：通过轻量级的共享编码‑分离解码网络进行初步文本定位和文本区域背景重建，预测得到粗略文本掩码和粗略文本擦除图像；使用深度可分离卷积网络对粗略文本掩码进行精细化处理，通过层级掩码解码器对粗略文本掩码进行层级精细化处理；通过U‑Net特征提取器对粗略文本擦除图像进行下采样处理，并根据层级精细掩码逐层学习复杂背景与文本区域的上下文关系，解码出场景文本擦除图像；将原图像与场景文本擦除图像相加，得到最终预测图像。本发明实施例能够提供更准确的文本位置视觉信息来指导文本区域的重建，实现更好的重建效果，可广泛应用于计算机技术领域。

本发明授权一种基于分层上下文感知交互重构的场景文本消隐方法和系统在权利要求书中公布了：1.一种基于分层上下文感知交互重构的场景文本消隐方法，其特征在于，包括以下步骤： 通过一个轻量级的共享编码-分离解码网络进行初步文本定位和文本区域背景重建，预测得到粗略文本掩码和粗略文本擦除图像； 使用深度可分离卷积网络对所述粗略文本掩码进行精细化处理，进而通过四个层级掩码解码器对所述粗略文本掩码进行层级精细化处理，得到层级精细掩码； 通过U-Net特征提取器对所述粗略文本擦除图像进行下采样处理，并根据所述层级精细掩码逐层学习复杂背景与文本区域的上下文关系，解码出场景文本擦除图像； 将原图像与所述场景文本擦除图像相加，得到最终预测图像； 所述通过一个轻量级的共享编码-分离解码网络进行初步文本定位和文本区域背景重建，预测得到粗略文本掩码和粗略文本擦除图像，包括以下步骤： 输入场景文本图像，利用初始文本擦除网络对场景文本图像中的文本并行地进行粗略定位和擦除，输出粗略文本擦除图像以及粗略文本掩码； 其中，所述场景文本图像输入初始文本擦除网络，通过图像编码器生成文本图像特征的表达式为：其中，代表文本图像特征；代表图像编码器；代表场景文本图像；代表图像编码器中可学习的参数； 所述粗略文本擦除图像和所述粗略文本掩码的表达式为： 其中，分别表示解码器中可学习的参数； 所述使用深度可分离卷积网络对所述粗略文本掩码进行精细化处理，进而通过四个层级掩码解码器对所述粗略文本掩码进行层级精细化处理，得到层级精细掩码，包括以下步骤： 利用深度可分离卷积网络提取粗略文本擦除图像的层级特征；该过程的表达式为：，其中，，表示第层的特征，表示网络中可学习的参数； 将粗略文本掩码和特征分别送入4个层级掩码解码器以得到层级精细掩码；该过程的表达式为：，其中，表示掩码解码器中可学习的参数； 所述通过U-Net特征提取器对所述粗略文本擦除图像进行下采样处理，并根据所述层级精细掩码逐层学习复杂背景与文本区域的上下文关系，解码出场景文本擦除图像，包括以下步骤： 通过U-Net特征提取网络生成粗略文本擦除图像的高维语义特征； 在层级精细掩码的引导下，逐层对文本区域进行背景重建；其中，在第层，通过带有残差连接的卷积层对前层特征进行上采样，并利用通道级上下文感知重建层对特征进行重构； 基于重建后文字区域与背景区域的视觉连续性，引入了通道级上下文感知重建层来捕捉文字区域与背景区域之间的上下文关系，以重建文字区域背景； 所述高维语义特征的表达式为：，其中，表示网络中的可学习参数； 所述利用通道级上下文感知重建层对特征进行重构这一过程的表达式为：其中，，和分别表示第个卷积层和重建层中可学习的参数，表示前层特征，表示将要被重构的特征。

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中山大学，其通讯地址为：510275 广东省广州市新港西路135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。