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！

龙图腾网获悉深圳市华汉伟业科技有限公司申请的专利多尺度物体实例分割模型的训练方法、分割方法和装置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：CN115578616B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211193522.9，技术领域涉及：G06V10/80；该发明授权多尺度物体实例分割模型的训练方法、分割方法和装置是由曾利宏;杨洋;黄淦;李杰明;黄涛设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本多尺度物体实例分割模型的训练方法、分割方法和装置在说明书摘要公布了：一种多尺度物体实例分割模型的训练方法、分割方法和装置，特征提取网络提取输入图像的第一融合特征图，将第一融合特征图输入目标框预测网络中得到输入图像中的预测目标框以及对应层注意力图，对预测目标框进行筛选得到预测实例目标框，将第一融合特征图输入掩码网络的分割模块中以得到预测分数图，将注意力图、预测分数图和预测实例目标框输入掩码网络的融合模块中输出物体实例分割结果；本发明针对图像特征提取预测目标框，简单易用，自动化运行，通过掩码网络对物体实例的高级特征信息和低级特征信息进行结合，能够以较少的参数有效地预测密集的逐像素位置敏感的物体实例特征，极大地提升了分割质量，并达到实时级别的快速推理。

本发明授权多尺度物体实例分割模型的训练方法、分割方法和装置在权利要求书中公布了：1.一种多尺度物体实例分割模型的训练方法，其特征在于，所述多尺度物体实例分割模型包括特征提取网络、目标框预测网络和掩码网络，其中所述掩码网络包括分割模块和融合模块，所述训练方法包括： 获取包括具有一个或者多个物体实例的输入图像和标注数据，其中所述标注数据中包括所述输入图像中标记目标框的位置信息、类别信息和所述输入图像对应的标记二值图； 将所述输入图像输入所述特征提取网络中，得到多层具有相同通道、不同分辨率的第一融合特征图； 将所述多层具有相同通道、不同分辨率的第一融合特征图输入所述目标框预测网络中，得到各层所述第一融合特征图中的预测目标框的位置信息、类别信息和中心度，以及各层所述第一融合特征图对应的注意力图，其中各层所述注意力图与对应层的所述第一融合特征图具有相同分辨率；其中，中心度用于表征所述第一融合特征图中各个像素点位于对应的所述预测目标框的中心性； 基于所述预测目标框的位置信息、类别信息和中心度以及所述标注数据中标记目标框的位置信息和类别信息，构建目标框预测网络损失函数； 将多层所述第一融合特征图输入所述掩码网络的分割模块中，得到预测分割图和预测分数图，其中预测分割图具有2个通道且与多层所述第一融合特征图中的第一层第一融合特征图具有相同分辨率，预测分数图具有4个通道且与多层所述第一融合特征图中的第一层第一融合特征图具有相同分辨率； 根据所述输入图像相对于所述预测分数图的步长，对所述标记目标框进行缩放处理，以将所述标记目标框映射至预测分数图，然后通过RoIAlign处理，以得到具有预设分辨率的目标框裁剪分数图； 对多层所述注意力图依据所述标记目标框进行挑选，得到标记目标框对应的注意力向量； 对所述标记目标框对应的注意力向量在批处理大小维度上执行拼接操作，然后对拼接操作的结果执行维度转换操作和插值处理，以得到具有预设分辨率的注意力图； 对所述具有预设分辨率的注意力图在通道上进行归一化处理，得到归一化注意力图； 对所述归一化注意力图和所述目标框裁剪分数图在元素级别进行相乘处理，并对相乘处理的结果在通道上求和，得到实例预测图像； 基于所述预测分割图和尺度变换后的所述输入图像对应的标记二值图，构建分割模块损失函数；其中，尺度变换后的所述输入图像对应的标记二值图与所述预测分割图具有相同的分辨率； 基于所述实例预测图像和尺度变换后的所述输入图像对应的标记二值图中所述标记目标框对应的二值化图像，构建融合模块损失函数；其中，所述二值化图像与所述实例预测图像具有相同的分辨率； 根据所述目标框预测网络损失函数、分割模块损失函数和融合模块损失函数，构建总损失函数，并根据所述总损失函数对多尺度物体实例分割模型进行训练，得到相应的模型参数。

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深圳市华汉伟业科技有限公司，其通讯地址为：518000 广东省深圳市南山区西丽街道西丽社区同发南路万科云城六期二栋1702房-1706房；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。