買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京交通大學(xué);中移雄安信息通信科技有限公司申請(qǐng)的專利多光譜目標(biāo)檢測(cè)模型訓(xùn)練方法、目標(biāo)檢測(cè)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117911710B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202311750746.X，技術(shù)領(lǐng)域涉及：G06V10/44；該發(fā)明授權(quán)多光譜目標(biāo)檢測(cè)模型訓(xùn)練方法、目標(biāo)檢測(cè)方法及系統(tǒng)是由金一;田卉;王元喆;曾宇喬;李浥東;蘇楦雯設(shè)計(jì)研發(fā)完成，并于2023-12-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本多光譜目標(biāo)檢測(cè)模型訓(xùn)練方法、目標(biāo)檢測(cè)方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種多光譜目標(biāo)檢測(cè)模型訓(xùn)練方法、目標(biāo)檢測(cè)方法及系統(tǒng)，屬于基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)領(lǐng)域。本發(fā)明面對(duì)惡劣天氣等目標(biāo)可視性差等問題時(shí)，在輪廓增強(qiáng)模塊實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)的效果，顯著提升目標(biāo)檢測(cè)的準(zhǔn)確性和魯棒性。加入輕量化融合聚焦模塊，將特征細(xì)分為高頻和低頻特征，在保證模型較低計(jì)算量的同時(shí)，更好地從可見光和紅外模態(tài)中提取細(xì)節(jié)信息，將不同空間位置目標(biāo)的關(guān)鍵信息聚焦到可見光?紅外模態(tài)上，利用Transformer的自注意機(jī)制對(duì)可見光?紅外特征的互補(bǔ)信息進(jìn)行適當(dāng)融合。對(duì)比度橋模塊，利用對(duì)比度學(xué)習(xí)的思想來指導(dǎo)模型提高其在VIS?IR場(chǎng)景中感知模態(tài)不變特征的能力，彌合可見光和紅外模態(tài)之間的差距，使其適應(yīng)真實(shí)的復(fù)雜的可見?紅外場(chǎng)景。

本發(fā)明授權(quán)多光譜目標(biāo)檢測(cè)模型訓(xùn)練方法、目標(biāo)檢測(cè)方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種多光譜目標(biāo)檢測(cè)模型訓(xùn)練方法，其特征在于，包括： 獲取訓(xùn)練數(shù)據(jù)；所述訓(xùn)練數(shù)據(jù)包括多張配對(duì)的可見光和紅外光圖像以及標(biāo)注圖像中目標(biāo)類別和位置信息的標(biāo)簽； 基于訓(xùn)練數(shù)據(jù)對(duì)多光譜目標(biāo)檢測(cè)模型進(jìn)行訓(xùn)練；其中， 所述多光譜目標(biāo)檢測(cè)模型包括輪廓增強(qiáng)網(wǎng)絡(luò)、融合聚焦網(wǎng)絡(luò)、對(duì)比橋接網(wǎng)絡(luò)以及信息引導(dǎo)網(wǎng)絡(luò)；所述輪廓增強(qiáng)網(wǎng)絡(luò)用于提取目標(biāo)輪廓，其中，引入強(qiáng)度自適應(yīng)算子根據(jù)場(chǎng)景和任務(wù)需要增強(qiáng)對(duì)目標(biāo)輪廓的感知，并引入強(qiáng)度調(diào)整參數(shù)自適應(yīng)的調(diào)整增強(qiáng)的幅值；所述融合聚焦網(wǎng)絡(luò)用于提取可見光和紅外光兩種模態(tài)中的互補(bǔ)信息、不同頻譜特征以及在不同空間位置目標(biāo)的關(guān)鍵信息，并進(jìn)行特征篩選；融合聚焦網(wǎng)絡(luò)中，將兩種模態(tài)的特征經(jīng)過池化層減少特征，對(duì)來自可見光和紅外光兩種模態(tài)的特征執(zhí)行傅立葉變換以將圖像從空間域變換到頻域，用閾值法提取出高頻特征后，借助逆傅里葉變換將這些高頻特征變換到空間域，將高頻特征與它們各自的可見光和紅外光特征之間執(zhí)行Hadamard乘積，得到兩種模態(tài)的細(xì)節(jié)特征； 所述對(duì)比橋接網(wǎng)絡(luò)用于利用對(duì)比學(xué)習(xí)的思想將可見光和紅外光特征數(shù)據(jù)分離成正樣本和負(fù)樣本對(duì)，提高對(duì)可見光和紅外光場(chǎng)景中模態(tài)不變特征的感知能力；對(duì)比橋接網(wǎng)絡(luò)中，構(gòu)建對(duì)比學(xué)習(xí)需要的正負(fù)數(shù)據(jù)對(duì)，使模型能夠自主地發(fā)現(xiàn)存在于可見光和紅外光特征中的模態(tài)不變信息；引入距離度量，表示可見光和紅外光中的正負(fù)樣本對(duì)之間的距離，對(duì)其進(jìn)行正則化并計(jì)算其平均差，量化兩種模態(tài)特征向量之間的總體差異，作為對(duì)比度損失函數(shù)的基礎(chǔ)；對(duì)比度損失函數(shù)，由二進(jìn)制標(biāo)志θflag控制，用于測(cè)量可見光和紅外光特征之間的對(duì)比度；當(dāng)θflag為0時(shí)，表示當(dāng)前要計(jì)算的對(duì)比度損失是針對(duì)正樣本對(duì)的，公式中的正樣本損失是正常計(jì)算的，負(fù)樣本損失不需要考慮；當(dāng)θflag為1時(shí)，表示當(dāng)前要計(jì)算的對(duì)比度損失是針對(duì)負(fù)樣本對(duì)的； 所述信息引導(dǎo)模塊用于引導(dǎo)模型在訓(xùn)練過程中更有效地融合兩種模態(tài)的特征信息。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人北京交通大學(xué);中移雄安信息通信科技有限公司，其通訊地址為：100044 北京市海淀區(qū)西直門外上園村3號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。