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！

龙图腾网恭喜苏州大学申请的专利一种基于多层次知识蒸馏的连续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：CN114120319B 。

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：202111174278.7，技术领域涉及：G06V20/70；该发明授权一种基于多层次知识蒸馏的连续图像语义分割方法是由陈良;凌志设计研发完成，并于2021-10-09向国家知识产权局提交的专利申请。

本一种基于多层次知识蒸馏的连续图像语义分割方法在说明书摘要公布了：本发明提供一种基于多层次知识蒸馏的连续图像语义分割方法，包括以下步骤：S1：选择教师模型和学生模型，分别对连续图像进行分割；S2：提取出教师模型和学生模型的中间特征值作为低层次知识，设计改良的中间特征蒸馏；S3：将多尺度融合特征图作为中层次知识，以此为基础设计空间结构知识蒸馏；S4：对于连续图像，将模型预测值作为高层次知识，以此编码相邻帧间的依赖关系，设计帧间依赖性蒸馏项。本发明提供的基于多层次知识蒸馏的连续图像语义分割方法，基于该方法训练出来的语义分割模型与主流的语义分割模型相比，在模型精度和运行效率上取得了更好的平衡，在嵌入式人工智能领域具备良好的应用前景。

本发明授权一种基于多层次知识蒸馏的连续图像语义分割方法在权利要求书中公布了：1.一种基于多层次知识蒸馏的连续图像语义分割方法，其特征在于，包括以下步骤：S1：选择教师模型和学生模型，分别对连续图像进行分割；S2：提取出教师模型和学生模型的中间特征值作为低层次知识，设计改良的中间特征蒸馏；其中中间特征蒸馏具体包括以下步骤：S21：将教师模型和学生模型在第i个卷积层提取的特征标记为和S22：保留通道中全部的正值传递给学生网络，对于每个通道中的负值，首先计算它们的平均值a，再将通道内所有小于均值的神经元赋值为a；S23：选择在之后增加1×1的卷积层，保证转换后的特征维度和教师模型的特征维度相同；S24：定义Ti与Si为教师模型和学生模型在第i个特征层转换后的结果，中间特征蒸馏损失定义式为所示，其中K为中间特征层的层数；S3：将多尺度融合特征图作为中层次知识，以此为基础设计空间结构知识蒸馏；S4：对于连续图像，将模型预测值作为高层次知识，以此编码相邻帧间的依赖关系，设计帧间依赖性蒸馏项；S5：为避免像素点在前后帧运动过程中引起语义标签变化，设计语义一致性损失以保证像素点语义标签的不变性；S6：结合传统知识蒸馏方法和上述步骤中提出的损失项，训练学生模型；所述S5中设计语义一致性损失以保证像素点语义标签的不变性具体包括以下步骤：S51：将教师模型的分割结果作为“伪标签”，对于一个长度为L的图像序列，学生模型在第t帧和第t+1帧图像中某个像素位置i,j上的预测结果定义为对应的教师模型结果为S52：对目标像素点划分范围，在教师模型分割结果中，满足前后帧语义标签一致的像素点个数可以定义如下： 若学生模型在前后帧像素点上的预测结果和教师模型对应的标签都不相同，则用传统的知识蒸馏方法修正，否则就用语义一致性损失修正；其中满足语义标签不一致的像素点个数可表示为： 最终的语义一致性损失函数定义如下：

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苏州大学，其通讯地址为：215000 江苏省苏州市干将东路333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”。