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！

龙图腾网恭喜中北大学申请的专利一种结合频域注意力和多尺度融合的全景分割方法及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：CN113902750B 。

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：202111176775.0，技术领域涉及：G06F30/27；该发明授权一种结合频域注意力和多尺度融合的全景分割方法及装置是由雷海卫;靳雁霞;王斌;何方圆;李鸣野;贾博慧;吴倩设计研发完成，并于2021-10-09向国家知识产权局提交的专利申请。

本一种结合频域注意力和多尺度融合的全景分割方法及装置在说明书摘要公布了：本发明涉及一种结合频域注意力和多尺度融合的全景分割方法及装置，属于计算机视觉领域。该方法包括：通过所述骨干网络对接收到的原始图像进行特征提取，输出具有不同尺度的金字塔特征；所述金字塔特征包括最小尺度的金字塔特征以及其他尺度的金字塔特征；通过所述语义分割头对所述其他尺度的金字塔特征进行语义预测，得到语义分割结果；通过所述实例分割头对所述金字塔特征中的最小尺度的金字塔特征进行实例分割，得到实例分割结果；通过所述全景融合头，将所述语义分割结果以及所述实例分割结果进行融合，得到全景分割结果。通过该方法，可以提高全景分割的分割效果。

本发明授权一种结合频域注意力和多尺度融合的全景分割方法及装置在权利要求书中公布了：1.一种图像处理方法，其特征在于，应用于全景分割网络，所述全景分割网络包括骨干网络、语义分割头、实例分割头和全景融合头；在所述骨干网络中引入频域注意力机制模块，在所述语义分割头引入级联的多尺度融合模块，所述方法包括：通过所述骨干网络对接收到的原始图像进行特征提取，输出具有不同尺度的金字塔特征；所述金字塔特征包括最小尺度的金字塔特征以及其他尺度的金字塔特征；通过所述语义分割头对所述其他尺度的金字塔特征进行语义预测，得到语义分割结果；通过所述实例分割头对所述金字塔特征中的最小尺度的金字塔特征进行实例分割，得到实例分割结果；通过所述全景融合头，将所述语义分割结果以及所述实例分割结果进行融合，得到全景分割结果；所述骨干网络包括残差网络以及特征金字塔网络，在所述残差网络所包括的每个残差块的最后增设所述频域注意力机制模块，所述频域注意力机制模块通过学习多个频域通道的特征信息来增强所述残差网络的特征提取性能；所述频域注意力机制模块，用于将其获取到的输入特征X沿着通道维度分成n个部分特征，在每个部分特征获取对应的频域信息，并将所述对应的频域信息作用于对应的部分特征后，得到各个部分特征的频域张量，将所述各个部分特征的频域张量连接起来作为最终的注意力张量，并将所述最终的注意力张量作用于所述输入特征X，得到包含多个频域信息的所述特征张量Y；所述频域注意力机制模块，基于公式Y＝σcat[Freq0，Freq1，L，Freqn-1]＊X以及计算得到所述特征张量Y；其中，X为所述输入特征，Y为所述特征张量，σ为sigmoid激活函数，cat为连接操作，*为张量相乘，Freqi为与不同部分特征对应的频域张量，h和w分别为与所述输入特征对应的局部图像的高度和宽度，H和W分别为与所述原始图像的高度和宽度，所述级联的多尺度融合模块，在所述多尺度融合模块中引入一种层间级联结构，使得所述语义分割头学习到各个尺度特征最佳的组合，进而提升所述语义分割头的性能；所述级联的多尺度融合模块，通过学习层间相邻层尺度的特征，得到一组新的尺度特征张量；具体为：F2下采样和F3融合得到该尺度下新的特征张量F3'，F3'下采样和F4融合得到该尺度下新的特征张量F4'，F4'下采样和F5融合得到该尺度下新的特征张量F5'，F2维持不变，记为F2'；所述层间级联结构，通过该层间级联结构得到四个尺度下的新特征张量，分别为F2'、F3'、F4'、F5'，其中F3'、F4'、F5'依据如下公式计算得到：X′r＝1＝Sr＝0.5*αr＝1+Xr＝1*1-αr＝1；其中X和S分别为相邻的尺度特征，S的尺度大小为X的2倍，r为压缩因子，r＝1表示不进行任何缩放，r＝0.5表示进行2倍下采样，α为获得的注意力张量，X'是经过层间融合后得到的该尺度下的新特征张量；注意力张量α的公式为：α＝σ[MaxPoolx,AvgPoolx]；其中σ为sigmoid激活函数，MaxPool和AvgPool分别为最大池化与平均池化，x为原尺度特征经3ⅹ3卷积后的特征张量。

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中北大学，其通讯地址为：030051 山西省太原市尖草坪区中北大学学院路3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”。