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！

龙图腾网恭喜南京辰远机器人科技有限公司申请的专利一种基于深度学习的城市道路轻量级实时语义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：CN119048758B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411248293.5，技术领域涉及：G06V10/26；该发明授权一种基于深度学习的城市道路轻量级实时语义分割方法是由柯衍;黄莉莲设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本一种基于深度学习的城市道路轻量级实时语义分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的城市道路轻量级实时语义分割方法，采用实时城市道路场景语义分割模型EMFANet_AsSC模型进行语义分割，EMFANet_AsSC模型是一种端到端的编码器‑解码器结构，可以实时140FPS而准确Cityscapes测试集上72.4％mIoU地分割出城市复杂道路场景中的各类对象，同时维持低的计算开销和存储开销0.9M参数量；其中，编码器端包括Stage1、Stage2和Stage3三个阶段，解码器端由两个双重注意力聚合单元负责引导和优化编码器端提取的多尺度特征，同时使它们充分融合后通过上采样器输出最终的语义分割图。

本发明授权一种基于深度学习的城市道路轻量级实时语义分割方法在权利要求书中公布了：1.一种基于深度学习的城市道路轻量级实时语义分割方法，其特征在于：包括如下步骤：Step1、将精细标注的复杂道路场景图像作为输入图像，对输入图像进行预处理得到原始图像；Step2、将原始图像按比例划分为训练集和测试集；Step3、将训练集输入实时城市道路场景语义分割模型，通过交叉注意力融合并上采样生成最终的分割预测图；Step4、使用损失函数对实时城市道路场景语义分割模型进行监督训练，得到训练好的实时城市道路场景语义分割模型；Step5、将测试集输入训练好的实时城市道路场景语义分割模型，得到分割预测图；所述实时城市道路场景语义分割模型为端到端的编码器-解码器结构；所述编码器端包括Stage1、Stage2和Stage3三个阶段，三个阶段的开始均使用一个下采样器对输入特征进行下采样，三个阶段的结尾均使用一个通道注意力层优化提取到的多尺度特征，同时使用空间-通道优化单元提取原始图像的空间特征和背景特征并使用深度可分离卷积进行微调和融合，将通道注意力层的输出与空间-通道优化单元的输出相加后作为所属阶段的输出；在Stage1阶段中，输入特征为原始图像，下采样器和通道注意力层之间设置有三个3×3标准卷积，将本阶段通道注意力层输出的多尺度特征称为低级尺度特征；在Stage2阶段中，输入特征为Stage1阶段的输出下采样器和通道注意力层之间设置有四个对称注意残差单元，将本阶段通道注意力层输出的多尺度特征称为中级尺度特征；在Stage3阶段中，输入特征为Stage2阶段的输出，下采样器和通道注意力层之间设置有八个对称注意残差单元，将本阶段通道注意力层输出的多尺度特征称为高级尺度特征；所述解码器端先通过两个双重注意力聚合单元依次引导和优化编码器端提取到的多尺度特征，再使用上采样器进行上采样后输出最终的分割预测图；第一个双重注意力聚合单元对Stage3阶段的输出和中级尺度特征进行特征融合，第二个双重注意力聚合单元对第一个双重注意力聚合单元的输出和低级尺度特征进行特征融合，使用上采样器对第二个双重注意力聚合单元的输出进行上采样，得到最终的分割预测图；使用上采样器对Stage3阶段的输出进行上采样后计算损失，将计算得到的损失称为辅助损失；对最终的分割预测图计算损失，将计算得到的损失称为主损失；对辅助损失和主损失进行加权求和，得到总损失。

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辰远机器人科技有限公司，其通讯地址为：210000 江苏省南京市江宁区湖东路29号9号楼3354(江宁高新园)；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”。