文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202510511612.5

申 请 日：20250423

发 明 人：王毅 袁庆霓 蒋春辉 吴佳晖 申志友 邱国强 曲鹏举 吴杨东

申 请 人：贵州大学 贵阳市第一人民医院（贵阳市急救中心）

申请人地址：550025 贵州省贵阳市花溪区贵州大学（北区）科技处

公 开 日：20250729

公 开 号：CN120388030A

代 理 人：袁庆云

代理机构：贵阳东圣专利商标事务有限公司 52002

语　　种：中文

摘　　要：本发明的一种基于动静态注意力聚合机制的图像分割方法，包括：图像数据收集；构建图像分割模型，具体包括两种类型的编码器与一个掩码解码器；所述两种类型编码器为提示编码器与图像编码器，所述提示编码器对点与框进行编码，所述图像编码器通过对输入图像进行特征提取进而编码；所述掩码解码器对两种类型的编码器进行统一的解码，得到对应图像的掩码图；将待分割图像输入训练好的图像分割模型中，进而输出对应图像的掩码图，完成图像分割。本发明具有通过增强模型对特征信息的捕捉能力，提高图像分割精度的特点。

主 权 项：1.一种基于动静态注意力聚合机制的图像分割方法，其特征在于：该方法具体步骤包括：步骤一：数据收集：收集图像分割数据集；步骤二：构建模型：构建图像分割模型，包括两种类型的编码器与一个掩码解码器；所述两种类型编码器为提示编码器与图像编码器，所述提示编码器对点与框进行编码，所述图像编码器通过对输入图像进行特征提取，进而编码；所述掩码解码器对两种类型的编码器进行统一的解码，得到对应图像的掩码图；所述提示编码器通过对点和边界框进行编码，每个点被表示为一个向量，该向量包含了该点的位置信息、前景嵌入和背景嵌入，每个边界框通过它的左上角和右下角的位置编码来定义，并将左上角和右下角表示为学习嵌入；所述图像编码器：由一个补丁嵌入层和多个特征提取编码块DaSA-EFA组成；所述补丁嵌入层：输入图像X，该补丁嵌入层进行补丁嵌入编码，然后规范化处理得到一系列卷积投影，最后进入特征提取编码块DaSA-EFA进行特征提取；所述特征提取编码块DaSA-EFA：由动静态注意力聚合层DaSA Layer、高效特征聚合层EFA Layer、适配器层Adapter Layer、多层感知机层MLP组成；所述动静态注意力聚合层DaSA Layer，包括两部分，一部分用于增强模型获取长程依赖关系能力的动静态注意力计算，另一部分用于捕捉更广泛的上下文信息的卷积聚合计算，对于输入的一系列卷积投影，特征提取编码块并行的进行两部分计算，公式为：其中，表示经过动静态注意力计算得到的结果，