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！

龙图腾网恭喜之江实验室申请的专利一种基于自提示引导的动态决策图像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：CN119762787B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510248236.5，技术领域涉及：G06V10/26；该发明授权一种基于自提示引导的动态决策图像分割方法是由赵艳霞;胡佩君;周天舒;李劲松设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种基于自提示引导的动态决策图像分割方法在说明书摘要公布了：本发明公开了一种基于自提示引导的动态决策图像分割方法，属于计算机视觉技术领域。所述方法包括如下步骤：获取数据集并对数据预处理；构建并通过结合特定领域知识优化SAM模型，使其能够更好地适应遥感图像和医学影像等复杂场景；通过引导模型自主生成适应性提示，摆脱传统方法对人工点、框或粗粒度掩码的依赖；设计了动态决策机制，根据图像内容动态调整决策策略，使决策过程更加灵活，有效应对复杂和变化多端的图像内容；通过优化决策过程，使模型推理过程更加透明，增强标注结果的可解释性和可信度，从而满足对高精度和高可信度有严格要求的领域需求。

本发明授权一种基于自提示引导的动态决策图像分割方法在权利要求书中公布了：1.一种基于自提示引导的动态决策图像分割方法，其特征在于，包括如下步骤： 获取目标领域的原始图像作为样本，取出部分样本进行人工标注并制作相应的标签，以构建训练数据集，所述训练数据集包括训练集和验证集； 根据所述训练数据集分别构建由任务自提示器引导的SAM模型和由空间位置信息驱动自提示器引导的SAM模型； 所述由任务自提示器引导的SAM模型包括：图像编码器模块，特征聚合器模块，特征分离器模块，基于任务的提示器模块和掩膜解码器模块； 所述图像编码器模块使用预训练的SAM视觉编码器提取图像特征； 所述特征聚合器模块通过卷积和归一化操作对输入的特征进行融合和处理，以提取和整合不同尺度的信息； 所述特征分离器模块通过上采样、下采样、卷积及横向连接操作，用于整合不同尺度的特征，以增强模型的多尺度感知能力； 所述基于任务的提示器模块包括：一个变换器编码器，用于对来自特征分离器模块的四个不同尺度的输入特征图进行自注意力操作，提取全局语义信息并生成四个尺度的特征图；一个变换器解码器，用于与零初始化的任务相关查询标记交互，并与四个尺度的特征图融合；以及通过掩膜投影层、提示投影层和类别推导层生成每个实例的掩膜滤波器、提示嵌入和语义类别，根据最大尺寸特征图生成粗略掩膜； 所述掩膜解码器模块通过图像嵌入、掩膜标记、2个双路变换器模块、4个多层感知机模块以及2个上采样转置卷积层生成高精度的图像分割掩膜； 所述由空间位置信息驱动自提示器引导的SAM模型包括：图像编码器模块，特征聚合器模块，特征分离器模块，基于空间位置信息驱动的提示器模块和掩膜解码器模块； 所述图像编码器模块使用预训练的SAM视觉编码器来提取图像特征； 所述特征聚合器模块通过卷积和归一化操作对输入的特征进行融合和处理，以提取和整合不同尺度的信息； 所述特征分离器模块通过上采样、下采样、卷积及横向连接操作，用于整合不同尺度的特征，以增强模型的多尺度感知能力； 所述基于空间位置信息驱动的提示器模块包括：轻量级区域提议网络，用于从多尺度输入特征图中生成类别分数和边界框回归值，并通过非极大抑制去除冗余框，输出多个区域建议框；位置编码模块，用于将正弦位置编码应用于输入特征图，增强其空间位置信息；感兴趣区域对齐层，用于从多尺度特征图中提取与每个建议框对应的特征；共享特征提取器，用于处理提取的特征并生成共享特征；类别推导层和边界推导层，分别用于生成每个实例的语义类别和边界框；感兴趣区域特征提取模块，用于提取目标特征；空间信息提示层，用于生成稀疏目标特征并传递至掩码解码器，以生成最终的多语义分割掩膜； 所述掩膜解码器模块通过图像嵌入、掩膜标记、2个双路变换器模块、4个多层感知机模块以及2个上采样转置卷积层来生成高精度的图像分割掩膜； 对两个SAM模型进行训练和微调； 将经过微调后的两个SAM模型融合后，融合模型根据待标注图像的具体图像内容和任务要求动态调整推理策略，从而生成多个掩膜区域； 通过多掩膜区域的合成、噪声去除、区域筛选及基于相似性的优化，实现掩膜图像的精确化和语义一致性，最终得到语义级实例分割掩膜图。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区中泰街道科创大道之江实验室；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”。