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！

龙图腾网恭喜天津大学申请的专利一种基于可配置上下文路径的图像语义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：CN114663660B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210361433.4，技术领域涉及：G06V10/26；该发明授权一种基于可配置上下文路径的图像语义分割方法是由林迪;陈浩然;冯廷亮;万亮;冯伟设计研发完成，并于2022-04-07向国家知识产权局提交的专利申请。

本一种基于可配置上下文路径的图像语义分割方法在说明书摘要公布了：本发明涉及一种基于可配置上下文路径的图像语义分割方法，包括下列步骤：对输入图像进行特征提取，得到特征图F；使用长短期记忆网络LSTM对特征图F中的每个像素计算Q条上下文路径，每条上下文路径包含T个区域，根据Q条上下文路径，对特征图F中的每个像素的特征沿着上下文路径进行传播，对应得到Q张外观特征图，所有的外观特征图组成外观特征图集合R；对外观特征图集合R中的每个像素，根据之前第二步传播时的Q条上下文路径进行反向传播，对应得到Q张增强特征图，所有的增强特征图组成增强特征图集合A；将增强特征图集合A进行融合，得到语义特征图Y；优化和训练神经网络模型。

本发明授权一种基于可配置上下文路径的图像语义分割方法在权利要求书中公布了：1.一种基于可配置上下文路径的图像语义分割方法，包括下列步骤：一种基于可配置上下文路径的图像语义分割方法，包括下列步骤：第一步，对输入图像进行特征提取，得到特征图F；第二步，使用长短期记忆网络LSTM对特征图F中的每个像素计算Q条上下文路径，每条上下文路径包含T个区域，根据Q条上下文路径，对特征图F中的每个像素的特征沿着上下文路径进行传播，对应得到Q张外观特征图，所有的外观特征图组成外观特征图集合R，方法为：1将特征图F中第n个像素的第q条上下文路径中的第t个区域记为初始化为第n个像素在特征图F中的坐标位置；2使用长短期记忆网络LSTM和可微的ROI池化模块根据以下公式计算得到所有像素的上下文路径的区域 其中代表长短期记忆网络,代表可微的ROI池化模块，F表示特征图，表示特征图F中第n个像素的第q条上下文路径中的第t个区域对应的特征，表示特征图F中第n个像素的第q条上下文路径中的第t个区域对应的长短期记忆网络LSTM的隐藏状态，将设置为0；3将特征图F中第n个像素在自己的第q条上下文路径上传播所得到的第t个区域的外观特征记为初始化4使用全连接神经网络根据以下公式计算得到所有像素在上下文路径的区域上的传播特征 其中表示特征图F中第n个像素的第q条上下文路径中的第t个区域对应的特征，表示表示特征图F中第n个像素的第q条上下文路径中的第t个区域对应的全连接神经网络的参数，softmax.表示softmax函数，⊙代表哈达玛积，σ.表示sigmoid函数；所有的组合在一起就形成了外观特征图集合R；第三步，对外观特征图集合R中的每个像素，根据之前第二步传播时的Q条上下文路径进行反向传播，对应得到Q张增强特征图，所有的增强特征图组成增强特征图集合A，方法为：1对于外观特征图R中的第n个像素的第q条上下文路径，其反向传播的终点像素这里记为m，则其反向传播途中第t个区域的增强特征表示为初始化2使用可微的ROI池化模块和全连接神经网络根据以下公式计算得到所有像素在上下文路径的区域上反向传播得到的增强特征 其中表示外观特征图R中的第m个像素的第q条上下文路径中第T-t+1个区域对应的全连接神经网络的参数，表示外观特征图R中的第m个像素的第q条上下文路径中第T-t+1个区域的外观特征，表示外观特征图R中第m个像素的第q条上下文路径中的第T-t+1个区域的位置信息，表示第m个像素在第q条上下文路径上的最终外观特征；3对进行求和得到公式如下： 得到的就是外观特征图集合R中根据第q张外观特征图计算得到的像素m的增强特征；共有Q张增强特征图，它们一起构成增强特征图集合A；第四步，将增强特征图集合A进行融合，得到语义特征图Y；第五步，根据语义特征图Y，得到预测的概率分布，对预测的概率分布和输入图像的分割真值计算交叉熵，得到损失值，使用使用梯度下降法优化整个神经网络模型；第六步，神经网络模型训练。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。