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！

龙图腾网恭喜电子科技大学申请的专利一种基于深度学习的无人机关键部件实时视频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：CN115497027B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202211219375.8，技术领域涉及：G06V20/70；该发明授权一种基于深度学习的无人机关键部件实时视频语义分割方法是由邓建华;李龙;王静雅;赵建恒;陈昱辰;代铮;何佳霓;杨杰;秦琪怡;陶泊昊;郑凯文;苟晓攀设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于深度学习的无人机关键部件实时视频语义分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的无人机关键部件实时视频语义分割方法，属于图像的语义分割技术领域。本发明通过收集网络上所有出现无人机的场景，并对连续多帧进行拆分，标注关键帧后进行数据增强，得到无人机视频语义分割数据集，使用多分支特征提取网络，对视频帧进行特征学习，将多分支特征融合补充，达到深层网络特征提取效果，以达到相同精度下提升网络速度的效果；使用光流信息将分割阶段的低级特征对称融合到后续卷积阶段，保证边缘细节不在卷积网络中丢失，保证了边缘分割到精度，为后续利用边缘信息的中心点计算提供保证。本发明根据视频语义分割识别结果，基于像素替换和二值化处理等获取目标部件轮廓及中心点，提升了易用性。

本发明授权一种基于深度学习的无人机关键部件实时视频语义分割方法在权利要求书中公布了：1.一种基于深度学习的无人机关键部件实时视频语义分割方法，其特征在于，包括如下步骤：步骤1，建立数据集：基于网络资源对所有无人机出现的场景图像进行采集，并对采集的图像进行目标部件的图像标注和数据增强后，获得若干个以连续指定帧数的图像作为一个场景片段的视频语义分割数据集；步骤2，构建并训练视频语义分割网络：所述视频语义分割网络包括M条特征提取网络支路，每条特征提取网络支路包括多层卷积层和用于光流对齐处理并上采样的光流传播模块，将M条特征提取支路的输出特征图进行拼接融合，再经编码网络和注意力模块后输入带Softmax函数的全连接层，以输出各目标部件的概率信息；基于视频语义分割数据集对视频语义分割网络进行训练，完成训练后取得最优模型；步骤3，将待识别的视频序列输入步骤2得到的最优模型，基于其输出得到识别结果，其中待识别的视频序列长度与视频语义分割数据集的场景片段的帧数相同；对识别结果进行关键点处理：对识别结果进行像素替换，保留目标部件，再进行二值化处理后基于轮廓获取处理得到目标部件的轮廓；基于目标部件的轮廓计算图像中心矩得到目标部件的中心点并可视化输出；其中，每条特征提取网络支路具体设置为：第一层卷积层包含一个3*3的卷积和一个3*3的残差结构，输出通道数为16；第二层卷积层卷积核大小为3*3的2个残差结构和一个卷积核为5*5的残差结构，输出通道个数为40；第三层卷积层为卷积核大小为5*5的五个残差结构组成，输出通道为96；第四层卷积核的大小为5*5的2个残差结构，输出通道个数为96；第五层为3*3的池化层；第五层网络后接入金字塔池化网络，并将第三层网络与金字塔池化网络的输出进行光流对齐处理并上采样得到第六层，以及将第二层网络与第六层输出进行光流对齐处理并上采样得到第七层，再将第一层网络与第七层网络输出进行光流对起处理并上采样后再融合第六层和第七层的光流对齐处理结果，得到特征提取网络支路的输出特征图。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。