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！

龙图腾网获悉浙江大学申请的专利弱监督实例分割方法、装置、计算机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：CN121170312B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511730048.2，技术领域涉及：G06V10/26；该发明授权弱监督实例分割方法、装置、计算机设备及存储介质是由朱闽峰;谭鑫程;杨熠;陈为设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本弱监督实例分割方法、装置、计算机设备及存储介质在说明书摘要公布了：本申请涉及一种弱监督实例分割方法、装置、计算机设备及存储介质，其中方法包括：获取训练图像集和图像级标签，并生成伪语义分割标签；提取训练图像集中的多尺度图像特征，基于多尺度图像特征和伪语义分割标签进行提示对比学习，生成对比损失和像素‑文本匹配图；将多尺度图像特征和像素‑文本匹配图拼接生成增强特征，并基于增强特征训练实例定位模块生成实例中心点和定位损失；通过分割网络生成语义映射图，并计算提示引导的自匹配损失；基于所得到的损失计算模型总损失，基于模型总损失对实例分割模型进行迭代训练生成目标实例分割模型；通过目标实例分割模型基于待处理图像和类别文本生成目标实例分割结果。本发明提高了实例分割的精度。

本发明授权弱监督实例分割方法、装置、计算机设备及存储介质在权利要求书中公布了：1.一种弱监督实例分割方法，其特征在于，包括： 获取训练图像集和所述训练图像集对应的图像级标签，并通过预训练的弱监督语义分割模型基于所述训练图像集和所述图像级标签生成伪语义分割标签； 提取所述训练图像集中图像的多尺度图像特征，基于所述多尺度图像特征和所述伪语义分割标签进行提示对比学习，以训练提示嵌入向量库和Transformer解码器，生成对比损失和像素-文本匹配图； 将所述多尺度图像特征和所述像素-文本匹配图拼接生成增强特征，并基于所述增强特征训练实例定位模块，生成实例中心点和定位损失； 将所述像素-文本匹配图与所述增强特征输入分割网络生成语义映射图，并基于所述伪语义分割标签、所述语义映射图和所述像素-文本匹配图计算提示引导的自匹配损失； 基于所述对比损失、所述定位损失和所述自匹配损失计算模型总损失，并基于所述模型总损失更新实例分割模型的参数，以重新对实例分割模型进行迭代训练，生成目标实例分割模型，其中，所述实例分割模型包括所述提示嵌入向量库、所述Transformer解码器、所述实例定位模块和所述分割网络； 获取待处理图像和类别文本，并通过所述目标实例分割模型基于所述待处理图像和所述类别文本生成目标实例分割结果； 所述提取所述训练图像集中图像的多尺度图像特征，基于所述多尺度图像特征和所述伪语义分割标签进行提示对比学习，以训练提示嵌入向量和Transformer解码器，生成对比损失和像素-文本匹配图，包括： 采用CLIP图像编码器提取所述训练图像集中每一图像的多尺度图像特征； 根据所述伪语义分割标签提取所述图像级标签中各类别的伪前景图像和伪背景图像； 采用所述CLIP图像编码器分别对所述伪前景图像和所述伪背景图像进行编码，生成伪前景特征和伪背景特征； 采用文本编码器分别对所述伪前景特征和所述伪背景特征进行编码，生成文本提示嵌入向量和背景提示嵌入向量； 基于所述文本提示嵌入向量和所述背景提示嵌入向量进行提示对比学习，以训练所述提示嵌入向量和所述Transformer解码器，生成所述对比损失和所述像素-文本匹配图。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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。