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！

龙图腾网获悉南京工业大学申请的专利一种基于纵向堆叠的重参数化结构模型的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：CN120182601B 。

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：202510288092.6，技术领域涉及：G06V10/26；该发明授权一种基于纵向堆叠的重参数化结构模型的图像分割方法是由尹诗;余德;吴梦麟;袁永杰设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本一种基于纵向堆叠的重参数化结构模型的图像分割方法在说明书摘要公布了：一种基于纵向堆叠的重参数化结构模型的图像分割方法，步骤包括：1采集处处理图像；2把待处理图像作为图像分割模型的输入，图像分割模型的输出即为分割后的图像。图像分割模型是基于纵向叠加结构重参数化的图像分割模型，即在图像分割模型的训练阶段，多3×3卷积纵向叠加结构替换图像分割模型中3×3卷积，有利于模型更好地学习特征；在推理阶段，多3×3卷积纵向叠加结构改为单个3×3卷积后对输入数据进行推理，以加快推理速度，减少资源占用。

本发明授权一种基于纵向堆叠的重参数化结构模型的图像分割方法在权利要求书中公布了：1.一种基于纵向堆叠的重参数化结构模型的图像分割方法，本方法在进行图像分割时候，采用纵向扩展方式结构重参数化模型，具体来说，本方法的步骤包括：首先，采集处处理图像；然后，把待处理图像作为图像分割模型的输入，图像分割模型的输出即为分割后的图像； 其特征是所述图像分割模型是基于纵向叠加结构重参数化的图像分割模型；在图像分割模型的网络结构中，所有3×3卷积模块全部替换为多3×3卷积纵向叠加结构； 一在图像分割模型的训练阶段，多3×3卷积纵向叠加结构替换图像分割模型中3×3卷积；设输入的数据维度H×W×Cin分别为原始图像或图像特征的高度、宽度以及输入通道数，处理结果输出的数据维度H×W×Cout分别为输出图像或图像特征的高度、宽度以及输出通道数，则在多3×3卷积纵向叠加结构中，对输入数据的操作过程为： S1、经过上采样得到2H×2W×Cin数据； S2、经过一个或多个3×3卷积层后通道数变化，得到2H×2W×Cin； S3、使用卷积步长为2的3×3卷积，将分辨率和通道数变为H×W×Cout并输出； 二在推理阶段，多3×3卷积纵向叠加结构改为单个3×3卷积后对输入数据进行推理； 模型重参数化的实现方法为： 1将3×3卷积conv1和3×3卷积conv2的权重和偏置分别进行合并，得到权重w0和偏置b0，步骤包括： 1.1对3×3卷积conv1的权重w1进行permute1,0,2,3操作，调整w1维度顺序；对处理后的w1进行flip[2,3]操作，将w1最后两个维度进行翻转； 1.2使用步骤1.1处理后的w1作为卷积核，对3×3卷积conv2的权重w2进行卷积操作，得到权重w0； 1.3将3×3卷积conv1的偏置b1与w2相乘并在第[1,2,3]维度上求和，再加上3×3卷积conv2的偏置b2作为偏置b0； 2合并后的权重w0进行矩阵乘法和重塑，实现下采样，步骤包括： 2.1将w0进行重塑操作，将w0从原来的形状重塑为w_cout,w_cin,matrix_shape[0]的形状；这里的matrix_shape[0]是变换矩阵的行数；使w0的形状与变换矩阵的维度相匹配，以便进行矩阵乘法； 2.2使用pytorch的torch.matmul函数对步骤2.1得到w0和变换矩阵进行矩阵乘法，将结果再次重塑为w_cout,w_cin,3,3的形状得到新的w0； 最后，w0和b0分别作为推理阶段3×3卷积的权重和偏置参数。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。