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！

龙图腾网获悉绍兴文理学院申请的专利一种基于Mamba架构的图像兴趣区域提取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：CN121353650B 。

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：202511914756.1，技术领域涉及：G06V10/25；该发明授权一种基于Mamba架构的图像兴趣区域提取方法及系统是由胡珂立;黄杰;范康鑫;王臣;赵利平;吴宗大;徐永根;陈慧灵;刘华文;冯晟设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本一种基于Mamba架构的图像兴趣区域提取方法及系统在说明书摘要公布了：本发明提供了一种基于Mamba架构的图像兴趣区域提取方法及系统，涉及图像处理技术领域，方法包括：获取待提取图像；通过局部增强模块，对待提取图像进行多尺度特征提取；通过跨尺度自注意力模块，生成多尺度语义增强特征，并通过特征转换模块进行降维处理；通过自适应细节增强模块，生成局部细节特征；通过金字塔池化模块，对局部细节特征进行全局上下文增强处理，生成上下文增强特征；对上下文增强特征进行上采样处理；通过自适应全局‑局部融合门控模块，对上采样处理后的上下文增强特征进行融合；基于解码融合特征，进行图像提取。本发明提升图像分割精度，模型轻量化、推理快，有效解决图像边界模糊与尺度多变问题。

本发明授权一种基于Mamba架构的图像兴趣区域提取方法及系统在权利要求书中公布了：1.一种基于Mamba架构的图像兴趣区域提取方法，其特征在于，包括： S1：获取待提取图像； S2：通过局部增强模块，对所述待提取图像进行多尺度特征提取，得到多尺度特征图； 其中，所述局部增强模块包含局部序列增强模块，所述多尺度特征图包括浅层细节特征和深层语义特征； S3：通过跨尺度自注意力模块，利用所述深层语义特征逐层引导优化所述浅层细节特征，生成多尺度语义增强特征，并通过特征转换模块进行降维处理； S4：通过自适应细节增强模块，以某一尺寸下的语义增强特征为锚点，融合其他尺寸下的语义增强特征，生成局部细节特征； 其中，所述S4具体包括： S401：对所述多尺度语义增强特征进行卷积预处理； S402：以某一尺寸下的语义增强特征为锚点，通过上采样或下采样，将非锚定尺度特征对齐至锚定尺度特征； S403：基于对齐后的特征，通过卷积和Sigmoid激活函数，生成各非锚定尺度的细节掩码； S404：将所述锚定尺度特征与所有所述非锚定尺度的细节掩码进行融合，输出所述局部细节特征； S5：通过金字塔池化模块，对所述局部细节特征进行全局上下文增强处理，生成上下文增强特征； S6：对所述上下文增强特征对应的特征图进行上采样处理，逐步恢复特征图分辨率； S7：通过自适应全局-局部融合门控模块，强化跳跃连接，对上采样处理后的上下文增强特征进行融合，得到解码融合特征； 其中，所述S7具体包括： S701：获取所述局部细节特征与上采样处理后的全局语义特征； S702：对所述全局语义特征进行1×1卷积和批量归一化处理，得到降维全局特征； S703：对所述局部细节特征进行1×1卷积和批量归一化处理，得到降维局部特征； S704：将所述降维全局特征与所述降维局部特征相加，并通过ReLU激活函数激活，得到中间特征； S705：对所述中间特征进行1×1卷积，并通过Sigmoid函数激活，生成注意力权重图； S706：将所述局部细节特征与所述注意力权重图逐元素相乘后，再与所述全局语义特征相加，得到所述解码融合特征； S8：基于所述解码融合特征，进行图像提取。

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绍兴文理学院，其通讯地址为：312000 浙江省绍兴市越城区城南大道1077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。