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！

龙图腾网获悉西安理工大学申请的专利基于分组注意力融合的伪装物体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：CN116630620B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202310538653.4，技术领域涉及：G06V10/26；该发明授权基于分组注意力融合的伪装物体分割方法是由宋霄罡;张鹏飞;王凡凡;戴添财;万婷;黑新宏设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本基于分组注意力融合的伪装物体分割方法在说明书摘要公布了：本发明公开了基于分组注意力融合的伪装物体分割方法，步骤1，对输入图像利用图像特征提取模块进行特征提取；步骤2，构建分组注意力模块；步骤3，构建多尺度特征融合模块；利用本发明的方法，通过在多个公开数据集上进行评估，实验结果表明，本发明可以有效的分割复杂环境中的伪装物体，大幅提高了伪装目标分割的精度和鲁棒性，为伪装物体分割在各个领域的进一步应用打下了坚实的基础。

本发明授权基于分组注意力融合的伪装物体分割方法在权利要求书中公布了：1.基于分组注意力融合的伪装物体分割方法，其特征在于，具体按以下步骤实施： 步骤1，对输入图像利用图像特征提取模块进行特征提取； 步骤2，构建分组注意力模块； 步骤3，构建多尺度特征融合模块； 所述步骤2构建分组注意力模块具体按以下步骤实施： 步骤2.1，对主干网络提取到的四层特征分别进行降维操作； 步骤2.2，对降维后的四组特征进行交叉融合； 步骤2.3，对交叉融合后的四组特征记作，分别进行分组注意力融合； 所述步骤2.1具体按以下步骤实施： 步骤2.1.1，对四层特征分别做卷积核为3x3的卷积操作，输出通道数设置为64，使用BatchNorm进行归一化，最后使用ReLU操作做激活处理； 步骤2.1.2，对处理后的四层特征分别做3x3的卷积操作，输入通道和输出通道设置一致，均为64，记作； 所述步骤2.2具体按以下步骤实施： 步骤2.2.1，第四层特征由于没有上层特征，所以对其仅仅进行两层3x3的卷积操作，通道数保持一致； 步骤2.2.2，将处理后的第四组特征按通道拆分为N组，将未处理的第三组特征按通道数拆分为N组，将第四组上采样后进行交叉融合，融合后经过一个3x3的卷积模块进行融合，输入通道数为128，输出通道数为64； 步骤2.2.3，将处理后的第三组特征按通道拆分为N组，将未处理的第二组特征按通道数拆分为N组，将第三组上采样后进行交叉融合，融合后经过一个3x3的卷积模块进行融合，输入通道数为128，输出通道数为64； 步骤2.2.4，将处理后的第二组特征按通道拆分为N组，将未处理的第一组特征按通道数拆分为N组，将第二组上采样后进行交叉融合，融合后经过一个3x3的卷积模块进行融合，输入通道数为128，输出通道数为64； 所述步骤2.3具体按以下步骤实施： 步骤2.3.1，对交叉融合后的第四组特征，首先按通道数拆分为M组，记作，首先对进行升维操作，使用3x3卷积将其通道数扩充为原来的3倍，记作； 步骤2.3.2，将按通道数拆分为3组，取第一组与进行Cat操作；之后同样进行通道数扩充，得到；对于操作同上，最终共生成M组特征，每一组特征都又被按通道数拆分为三组； 步骤2.3.3，将M组特征每一组中的第一组，一起Cat后进行卷积操作，输出通道设置为64； 步骤2.3.4，将M组特征每一组中的第三组，一起Cat后进行卷积操作，输出通道设置为1； 步骤2.3.5，最终将得到的通道数为1的特征与通道数为64的特征逐元素相乘，再与最初交叉融合后的特征逐元素相加，做残差连接，得到最终的输出；整个分组注意力机制表示为如下公式： 2 式中，表示按通道拆分操作，表示卷积、BatchNorm和ReLU操作，表示分组注意力操作。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。

以上内容由龙图腾AI智能生成。