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！

龙图腾网恭喜杭州电子科技大学申请的专利基于分层特征补偿的跨层约束Transformer网络实现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：CN119723296B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510221564.6，技术领域涉及：G06V10/82；该发明授权基于分层特征补偿的跨层约束Transformer网络实现方法是由郭益豪;黄星儒;黄健;张晓帅;刘瑾设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本基于分层特征补偿的跨层约束Transformer网络实现方法在说明书摘要公布了：本发明公开了一种基于分层特征补偿的跨层约束Transformer网络实现方法。本发明包含三个模块：高效交叉注意力具有线性计算复杂度，在使用交叉注意力的同时减小对于算力的需求；跨层约束编码器模块对表征语义和结构信息的深层特征施加来自表征边界和纹理的浅层特征的约束，从而在下采样过程中保留关键的低维细节；跨层约束解码器模块利用高效交叉注意力来优化编码器低级特征和解码器高级特征之间的特征融合，确保在上采样过程保留关键细节信息。本发明在上述模块共同作用下，在多种医学图像分割任务种表现优异，展现出其在医学图像分割领域的广泛应用前景。

本发明授权基于分层特征补偿的跨层约束Transformer网络实现方法在权利要求书中公布了：1.基于分层特征补偿的跨层约束Transformer网络实现方法，其特征在于，包括如下步骤：步骤1、收集多个不同分割任务的医学图像分割数据集；步骤2、划分医学图像分割数据集，将数据按照8：1：1的比例划分为训练集、验证集和测试集；步骤3、进行数据预处理；步骤4、对步骤3的数据进行数据增强；步骤5、搭建用于进行医学图像分割的分割网络；该分割网络集成有高效交叉注意力模块、跨层约束编码器模块和跨层约束解码器模块；且将高效交叉注意力模块分别应用在跨层约束编码器模块和跨层约束解码器模块；步骤6、模型训练与推理并保存效果最佳的模型权重；步骤7、模型性能评估与结果分析；所述的高效交叉注意力模块具体实现如下：选择一个简单的激活函数LeakyReLU作为基底,通过调整每个Q和K的方向，使相似度高于设定阈值的Q和K更贴近，而相似度低于设定阈值的Q和K远离，恢复原本softmax那样的集中性分布,将注意力集中于最有信息量的区域，由此，公式定义如下：simQi,Kj＝φdQi·φdKj1 其中，sim表示相似度函数，φd表示中间函数，函数Fp是聚焦函数，k＝3；对于输入张量x∈RB×N×C，positionalbias∈R1×N×C引入了一个初始化为零的可学习偏置，scale∈R1×1×C是一个可学习的缩放因子，作用于Q和K上的每个通道，以防止计算溢出和梯度爆炸，而θ表示LeakyReLU函数；引入一个残差连接来处理V，如公式所示：AttQ,K,V＝φdQφdKTV+θConvV'4其中，V'为reshape后的V，通过引入卷积操作ConvV'和非线性激活函数LeakyReLU，增强输出的秩，并通过保留输入信息的部分内容，提高特征的多样性。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。