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！

龙图腾网获悉西北大学申请的专利一种山水画语义分割模型的构建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：CN117152750B 。

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：202311145623.3，技术领域涉及：G06V20/70；该发明授权一种山水画语义分割模型的构建方法是由胡琦瑶;张翔;周宛霖;彭先霖;谢鹏林;彭盛霖;汪霖;彭进业;范建平设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种山水画语义分割模型的构建方法在说明书摘要公布了：本发明公开的一种山水画语义分割模型的构建方法，具体包括采用特征提取器和DRA模块组成编码器与解码器结合形成语义分割模型；建立山水画的原始样本数据集，对其进行标注得到参照集；选取部分原始样本数据集中的山水画和与其对应的参照集中样本组成训练集，剩余相互对应的样本组成测试数据集；获取现有自然图像语义分割集，对其在语义分割模型上进行预训练，从而对语义分割模型进行调整；将训练集中原始样本输入预训练和调整后的语义分割模型中进行训练，得到一种山水画语义分割模型。本发明能够很好的区分山水画中的相似细节物并进行标注，解决了现有人工标注的费时费力和过拟合导致泛化性降低的问题。

本发明授权一种山水画语义分割模型的构建方法在权利要求书中公布了：1.一种山水画语义分割模型的构建方法，其特征在于，具体包括以下步骤： 步骤1，建立山水画的原始样本数据集，对原始样本数据集进行人工标注得到带有语义分割标注的参照集； 步骤2，选取部分原始样本数据集中的山水画和与其对应的参照集中样本组成训练集，对训练集中样本数据的数量增强，剩余相互对应的样本组成测试数据集； 步骤3，获取现有自然图像语义分割集，对自然图像语义分割集在语义分割模型上进行预训练，通过预训练参数对语义分割模型进行调整，所述预训练中采用对抗损失函数配合训练； 所述语义分割模型包括编码器和解码器，所述编码器采用特征提取器MobileNet-V2和DRA模块组成； 步骤4，将训练集中原始样本输入经过步骤4预训练和调整后的语义分割模型中进行训练，得到一种山水画语义分割模型； 所述步骤3中对自然图像语义分割集在语义分割模型上进行预训练具体包括： S301，向语义分割模型中输入自然图像M，分别对自然图像M进行4倍下采样得到图像p、对自然图像M进行16倍下采样得到图像p3和使用特征提取器MobileNet-V2对自然图像M进行特征提取得到初级特征图p1和p2，保存特征提取器MobileNet-V2中卷积层的权重、偏置参数信息； S302，将初级特征图p1经过卷积网络迭代形成次级特征图p'1；将初级特征图p2输入CBAM进行特征细节注意力区分后输入ASPP中，ASPP对初级特征图f2卷积迭代后输出特征图p'2，所述ASPP对初级特征图p2卷积迭代采用S301保存的卷积层的权重、偏置参数信息； S303，将特征图p'2与图像p3拼接，并将拼接后的特征图进行卷积迭代形成特征图p'23； S304，对特征图p'23进行上采样，将经过上采样后的特征图p'23与次级特征图p'1和图像p拼接得到图像T； S305，将图像T输入解码器中，解码器对图像T先进行卷积迭代后再进行上采样输出图像T的语义分割图像，重复S301～S304，完成所有自然图像M的处理，整合处理S302、S303和S305中卷积迭代参数，并对运行频率最高的参数进行保留，完成语义分割模型的预训练； 所述步骤3中DRA模块包括调整后的ASPP以及残差块，其中，所述调整后的ASPP具体为：在ASPP前添加空间通道注意力机制模块CBAM，并对原始ASPP的每层膨胀率进行调整，将第二层的膨胀率调为4倍，第三层的膨胀率调为6倍，第四层的膨胀率调为8倍，第一层和第五层的膨胀率不变； 所述残差块包括一个具有跨层跳跃连接和卷积运算的下采样的残差块和向解码器提供信息的直接残差块。

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北大学，其通讯地址为：710000 陕西省西安市太白北路229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。