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！

龙图腾网恭喜南京信息工程大学申请的专利基于多尺度损失函数的改进型U-Net云图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：CN114998373B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210671342.0，技术领域涉及：G06T7/11；该发明授权基于多尺度损失函数的改进型U-Net云图分割方法是由吉茹;张银胜;杨宇龙;周乐佳;徐文校;吕宗奎;付相为设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本基于多尺度损失函数的改进型U-Net云图分割方法在说明书摘要公布了：本发明公开了基于多尺度损失函数的改进型U‑Net云图分割方法，包括以下步骤：1获取全天空图像分割数据库，对全天空图像分割数据库包含的云图以及与其对应的二值标签进行预处理获得数据集；2利用改变卷积方式、添加高效通道注意力机制、修改归一化、添加多尺度特征融合的方法构建改进U‑Net框架；3结合Dice损失函数、交叉熵损失函数、边界损失函数和Log_Cosh损失函数的优点，提出改进的复合损失函数；4将步骤1得到的数据集输入改进型U‑Net模型进行训练、测试，获得最佳参数模型，输出预测效果图。本发明使得云图分割准确率更高、泛化效果更好，具有非常重要的研究和应用价值。

本发明授权基于多尺度损失函数的改进型U-Net云图分割方法在权利要求书中公布了：1.基于多尺度损失函数的改进型U-Net云图分割方法，其特征在于，包括以下步骤：1获取全天空图像分割数据库，对全天空图像分割数据库包含的云图以及与其对应的二值标签进行预处理获得数据集；2利用改变卷积方式、添加高效通道注意力机制、修改归一化和添加多尺度特征融合的方法构建改进型U-Net模型；所述步骤2的具体过程如下：2.1利用改变卷积方式的方法改进U-Net具体为：以U-Net分割模型为基础，将编码部分中前两层和第三层的第一个卷积换成可变形卷积；2.2利用添加高效通道注意力机制的方法改进U-Net具体为：以2.1模型为基础，在编码部分前三层输出的特征图后添加通道注意力机制，编码部分输出的特征图经过高效通道注意力机制生成一维注意力向量后，与原特征图进行对应元素相乘，得到加权后的特征图，特征图大小不变，对前三层加权后的特征图进行下采样操作，将前三层加权后的特征图与解码部分的特征图进行拼接操作；2.3利用修改归一化的方法改进U-Net具体为：以2.2模型为基础，将WeightNormalization加在U-Net的卷积层和激活层中间，重写深度网络的权重，通过对网络参数进行标准化实现归一化操作；2.4利用添加多尺度特征融合的方法改进U-Net具体为：以2.3模型为基础，对编码部分最后一层输出的特征图和解码部分每一层输出的特征图进行多尺度特征融合；3提出改进型U-Net模型的改进复合损失函数，表达式为：Limprove＝βLimprove2+1-βLB其中，LB表示边界损失函数，边界损失函数的公式如下： 其中，△S＝|S|-|S∩G|+|G|-|S∩G|，S为预测结果边界上的像素点，G为真实标签边界上的像素点，p为标签边界上的任一像素点，q为△S内的任一像素点，DGq为两个像素点之间的距离；β初始值设置为1，每一轮训练减小0.01；Limprove2为结合Dice损失函数和交叉熵损失函数的函数，表达式为：Limprove2＝αLimprove1+1-αLCE其中α为超参数，LCE为交叉熵损失函数，公式如下： 其中，N为特征图中像素点的个数，pi∈[0,1]为模型预测的分割图中第i个像素点的值，gi∈{0,1}为二值标签中第i个像素点的值；Limprove1为结合Dice损失函数与Log_Cosh损失函数的函数，表达式为：Limprove1＝logCoshLDice所述Log_Cosh损失函数的公式如下：LLog_Cosh＝logCoshx其中，LDice为Dice损失函数，表达式如下： 其中，A、B分别指模型预测结果与真实标签结果，smooth是平滑因子；4将步骤1得到的数据集输入改进型U-Net模型进行训练、测试，获得最佳参数模型，输出预测效果图。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。