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！

龙图腾网恭喜浙江大学申请的专利一种偏差上下文信息修正的增量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：CN114663657B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210249636.4，技术领域涉及：G06V10/26；该发明授权一种偏差上下文信息修正的增量语义分割方法是由李玺;赵涵斌;杨丰瑜;付星赫设计研发完成，并于2022-03-14向国家知识产权局提交的专利申请。

本一种偏差上下文信息修正的增量语义分割方法在说明书摘要公布了：本发明公开了一种偏差上下文信息修正的增量语义分割方法。该方法首先获取多个类别的语义分割数据流，并划分为多个训练数据集；在第一个增量语义分割学习步骤中，以一个训练数据集学习得到初始语义分割网络模型；在下一个增量语义分割学习步骤中，以擦除新类像素点的方法对新获得的包含新类别的训练数据集，产生偏差上下文信息修正的图片对，构建偏差上下文信息修正的训练数据集，基于偏差上下文信息修正的训练数据集，以偏差上下文信息修正和自适应类平衡的学习方法更新最新的增量语义分割网络模型。本发明能有效地修正旧类像素点的偏向新类的上下文信息和缓解偏差的类分布问题，减少对旧类知识的遗忘和对背景类别的语义漂移。

本发明授权一种偏差上下文信息修正的增量语义分割方法在权利要求书中公布了：1.一种偏差上下文信息修正的增量语义分割方法，其特征在于，包括以下步骤：S1、获取包含多个类别的语义分割数据流，且将数据流按照划分成一系列用于语义分割的训练数据集，每个训练数据集中的图片样本包含一个语义类别或多个语义类别，且不同训练数据集中包含的语义类别不重叠；S2、在第一个增量语义分割学习步骤中，以一个所述训练数据集训练语义分割网络，学习得到初始语义分割网络模型；所述初始语义分割网络模型作为下一个增量语义分割学习步骤的增量语义分割网络模型；S3、在下一个增量语义分割学习步骤中，获取一个新的所述训练数据集，并对新获得的包含新语义类别的训练数据集以擦除新类像素点的方法产生偏差上下文信息修正的图片对，从而构建偏差上下文信息修正的训练数据集，再基于偏差上下文信息修正的训练数据集，以偏差上下文信息修正和自适应类平衡的学习方法更新前一个增量语义分割学习步骤中训练得到的增量语义分割网络模型；S4：当存在尚未用于增量语义分割网络模型学习的训练数据集时，不断重复S3从而利用包含新语义类别的训练数据集对增量语义分割网络模型进行增量学习，直至通过增量语义分割学习步骤学习完所有训练数据集，利用最终得到的增量语义分割网络模型进行语义分割任务；所述S2中，所述的初始语义分割网络模型由一个编码器-解码器基准网络F1和一个卷积头G1构成；所述编码器-解码器基准网络作为特征提取器，用于对一个输入图片样本x提取稠密特征图F1x；所述的卷积头，用于对一个样本对应的特征图产生分割分数图S1x＝G1·F1x，中的元素表示在样本x中位于w,h的像素点预测为c类别的打分，初始语义分割网络的最终输出为在第一个增量语义分割学习步骤中，所述的语义分割网络以最小化损失函数为目的进行训练学习得到初始语义分割网络模型，其中损失函数为： 其中：lx,Θ1为交叉熵损失函数，|D1|表示训练数据集D1中包含的图片数量，x,y表示训练数据集中带有标签的图片样本，y为样本x的语义分割标签；所述S3中，所述的擦除新类像素点的方法如下：先对于新获得的包含新语义类别的训练数据集Dt，将训练数据集Dt中每张图片样本内的属于新语义类别的新类像素点替换成黑色像素点，从而产生偏差上下文信息修正的图片对其中为原始图片样本经过上下文信息修正后的图片，为对应的正确标注分割标签，从而构建得到偏差上下文信息修正的训练数据集其中： 式中：|Dt|表示训练数据集Dt中包含的图片数量。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。