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！

龙图腾网获悉南京信息工程大学申请的专利一种基于Unet的云和云影改进型语意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：CN119942306B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510372456.9，技术领域涉及：G06V10/82；该发明授权一种基于Unet的云和云影改进型语意分割方法是由王星怡;范志勇;蒋正东;王玉茹;沈子涵设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本一种基于Unet的云和云影改进型语意分割方法在说明书摘要公布了：本发明的目的是为了一种基于Unet的云和云影改进型语意分割方法，包括：对Unet模型进行改进，得到语义分割子网络；采用语义分割子网络对输入的云图进行处理，通过上采样获取语义分割特征图；构成四个卷积阶段，通过1×1的卷积操作对四个卷积阶段所得到的特征图进行融合，构建得到边缘检测子网络；采用边缘检测子网络对输入的云图进行处理，得到边缘检测特征图；对输入的云图、语义分割特征图和边缘检测特征图进行加权融合，输出云和云影分割结果。本发明能够有效提高云和云影的种类或者形状较多时的复杂云图的识别准确率。

本发明授权一种基于Unet的云和云影改进型语意分割方法在权利要求书中公布了：1.一种基于Unet的云和云影改进型语意分割方法，其特征在于，所述方法包括以下步骤： S1，将Unet模型的下采样替换为改进的ASPP空间金字塔池化模块，同时在跳跃连接中嵌入注意力机制模块，构建得到语义分割子网络；采用语义分割子网络对输入的云图进行处理，通过上采样获取语义分割特征图； S2，令四个卷积层依次连接，构成四个卷积阶段，在每个卷积阶段中各添加一个1×1的卷积操作后，再利用反卷积操作将后三个卷积阶段的特征图还原到输入图像相同尺度，最后通过1×1的卷积操作对四个卷积阶段所得到的特征图进行融合，构建得到边缘检测子网络；采用边缘检测子网络对输入的云图进行处理，得到边缘检测特征图； S3，对输入的云图、语义分割特征图和边缘检测特征图进行加权融合，再通过Sigmoid激活函数层对融合特征进行处理，输出云和云影分割结果； 所述改进的ASPP空间金字塔池化模块包括第一语义卷积层、第二语义卷积层、第三语义卷积层、第四语义卷积层、平均池化层、最大池化层、语义特征融合层和1×1卷积层； 所述第一语义卷积层、第二语义卷积层、第三语义卷积层、第四语义卷积层分别对输入的云图进行特征提取；所述最大池化层对输入云图的局部区域进行最大值操作，提取得到输入云图包括云影的边缘、纹理在内的局部细节特征；所述平均池化层对输入云图的局部区域进行平均操作，提取提到输入云图包括云的整体形状、云与云影的分布在内的全局上下文特征； 所述第一语义卷积层使用1×1的卷积核对输入的云图进行特征提取，提取出云图的初步特征；所述第二语义卷积层使用3×3的卷积核，并设置空洞率为6，捕捉云图中较大范围的上下文信息；所述第三语义卷积层使用3×3的卷积核，空洞率增加到12，捕捉云图中更大范围的上下文信息，提取出云图中云与云影之间的大尺度特征；所述第四语义卷积层使用3×3的卷积核，空洞率增加到18，捕捉云图中最大范围的上下文信息，作为云图中云与云影之间的全局特征；所述语义特征融合层将来自不同卷积层和池化层的特征图进行concat拼接，综合局部细节和全局上下文信息，生成更加丰富的特征表示；所述1×1卷积层对语义特征融合层融合后的特征图进行进一步的卷积操作，调整特征图的通道数，并最终生成用于后续任务的输出特征图。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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。