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！

龙图腾网获悉青岛科技大学申请的专利一种基于轻量级双流Mamba网络的水下图像语义分割方法、设备及存储介质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：CN120894681B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202511432602.9，技术领域涉及：G06V20/05；该发明授权一种基于轻量级双流Mamba网络的水下图像语义分割方法、设备及存储介质是由赵成刚;刘凤娟;韦俞舟;刘天琪;尹点点;张子驰设计研发完成，并于2025-10-09向国家知识产权局提交的专利申请。

本一种基于轻量级双流Mamba网络的水下图像语义分割方法、设备及存储介质在说明书摘要公布了：本发明公开的一种基于轻量级双流Mamba网络的水下图像语义分割方法、设备及存储介质，涉及水下图像处理技术领域，解决现有水下图像语义分割技术存在环境适应性差、模态融合低效、模型沉重以及计算开销大的问题的问题，本发明通过构建双分支编码器，采用图像编码器和文本编码器组成的双分支编码器，分别提取预处理后的水下图像和文本描述信息中的视觉特征图和语义特征向量；采用跨模态Mamba模块将展平后的图像特征序列与文本特征在此模块中进行深度融合，跨模态Mamba模块采用线性复杂度的Mamba块，结合多层次门控融合机制和残差连接，实现文本语义的持续引导和渐进式增强，显著提升水下模糊、遮挡目标的识别能力的同时显著提高计算效率。

本发明授权一种基于轻量级双流Mamba网络的水下图像语义分割方法、设备及存储介质在权利要求书中公布了：1.一种基于轻量级双流Mamba网络的水下图像语义分割方法，其特征在于，具体包括以下步骤： S1、图像数据集准备及数据预处理，获取水下图像数据集，通过生成文本描述、文本序列化、图像处理与增强、批量组装对数据集进行预处理，作为模型的输入； S2、双流特征提取，采用图像编码器和文本编码器组成的双分支编码器，分别提取步骤S1中水下图像和文本描述信息中的视觉特征图和语义特征向量； S3、跨模态融合，通过跨模态Mamba模块将步骤S2中提取的视觉特征图与语义特征向量进行深度融合：所述跨模态Mamba模块采用线性复杂度的Mamba块，结合多层次门控融合机制和残差连接，实现文本语义的持续引导和渐进式增强； 所述跨模态Mamba融合模块的执行过程具体包括以下步骤： 1特征投影与对齐，使用由3x3卷积层、批归一化层和GELU激活函数依次构成的模块，将图像编码器输出的视觉特征图投影到嵌入维度；使用两层多层感知机将文本编码器输出的文本特征向量投影到相同嵌入维度，该多层感知机先将特征维度扩大一倍，经GELU激活函数后，通过线性层投影回嵌入维度，最后用LayerNorm层归一化； 2初始化门控融合，将步骤1中投影后的文本特征向量在空间维度上复制，使其尺寸与视觉特征图的空间尺寸一致；通过第一个可学习的门控单元为每个空间位置的每一个特征通道生成权重向量，初始化融合特征，所述门控单元包括线性层和Sigmoid激活函数； 3基于Mamba块的渐进式融合，将步骤2中得到的融合特征序列展平后输入由5个Mamba块依次串联组成的深度网络，每一个深度层次上都对视觉特征进行重新校准和增强，实现深度跨模态交互；每个Mamba块的操作执行包括以下步骤： a.Mamba块处理输入序列； b.Mamba块的输出先与其输入进行残差连接，再经LayerNorm层归一化； c.归一化后的特征与原始投影后在空间上复制的文本特征进行新一轮门控融合，通过独立的下一个可学习门控单元生成新的融合权重，用于融合当前Mamba块的输出特征和文本特征，所述门控单元以当前Mamba块的输出特征为输入； 4跨模态残差连接，在每个Mamba块处理过程中通过残差连接确保网络训练稳定性，且通过门控融合机制构成跨模态残差连接，确保文本信息流的持续注入； 5特征重整，将经过所有Mamba块及门控融合处； S4、解码输出，采用基于双线性插值操作与卷积层后的解码器将步骤S3中融合后的特征图进行处理，通过多个双线性插值上采样至原始分辨率，卷积层将通道数映射为类别数量，输出每个像素点的类别概率，最终得到语义分割结果图。

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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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。