買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉常州大學申請的專利基于類型線索相關性指導的顯著目標檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117011602B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310958480.1，技術領域涉及：G06V10/764；該發明授權基于類型線索相關性指導的顯著目標檢測方法及系統是由劉毅;陶鑫;周凌;蔣廣琪;官威;徐守坤設計研發完成，并于2023-07-31向國家知識產權局提交的專利申請。

本基于類型線索相關性指導的顯著目標檢測方法及系統在說明書摘要公布了：本發明涉及圖像處理技術領域，尤其涉及基于類型線索相關性指導的顯著目標檢測方法及系統，包括利用HRNet主干對待檢測圖像進行深度特征提取；將上下文信息特征圖分別輸入卷積神經網絡和膠囊網絡，獲得對比度顯著性預測結果和部件?整體關系顯著性預測結果；進行對比度顯著性預測結果和部件?整體關系顯著性預測結果的水平方向和垂直方向投票矩陣計算以改進顯著性先驗；將對比度線索類型相關的顯著性預測和部件?整體關系相關的顯著性預測進行融合；運用交叉熵誤差函數和邊界誤差函數聯合訓練雙分支目標檢測網絡。本發明解決現有方法缺乏融合對比線索和部件?整體關系后的指導，具有更好的檢測性能，可用于計算機視覺中圖像的檢測和識別過程。

本發明授權基于類型線索相關性指導的顯著目標檢測方法及系統在權利要求書中公布了：1.基于類型線索相關性指導的顯著目標檢測方法，其特征在于，包括以下步驟： 步驟一、利用HRNet主干對待檢測圖像進行深度特征提取； 步驟一具體包括： 將三通道RGB圖像輸入HRNet主干，提取多尺度和高分辨率的特征，并將特征輸入具有不同擴張率的空洞空間金字塔池化模塊，得到包含上下文信息特征圖； 步驟二、將上下文信息特征圖輸入卷積神經網絡，獲得對比度顯著性預測結果； 步驟三、將上下文信息特征圖輸入膠囊網絡，獲得部件-整體關系顯著性預測結果； 步驟四、進行對比度顯著性預測結果和部件-整體關系顯著性預測結果的水平方向和垂直方向投票矩陣計算； 步驟五、將對比度線索類型相關的顯著性預測和部件-整體關系相關的顯著性預測進行融合； 步驟四具體包括： 步驟41、計算F CS 和F PO 在水平維度垂直維度的空間相關性； 水平維度的空間相關性的公式為： （1） 垂直維度的空間相關性公式： （2） 其中，是水平特征運算結果矩陣，F CS 為對比度顯著性預測結果，F PO 為部件-整體關系顯著性預測結果； 步驟42、計算對比度顯著性預測結果和部件-整體關系顯著性預測結果的先驗一致性，公式為： （3） 其中，和分別是對比度顯著性預測結果和部件-整體關系顯著性預測結果的先驗一致性； 步驟43、計算對比度顯著性預測結果和部件-整體關系顯著性預測結果的顯著性預測，公式為： ⊙（4） ⊙ 其中，⊙為同或運算，和分別為對比度線索類型相關的顯著性預測和部件-整體關系相關的顯著性預測； 步驟六、運用交叉熵誤差函數和邊界誤差函數聯合訓練雙分支目標檢測網絡； 步驟五具體包括： 步驟51、利用類型交互模塊將對比度線索類型相關的顯著性預測和部件-整體關系相關的顯著性預測進行融合，得到類型交互模塊的輸出圖；其中，融合的公式為： （5） 其中，表示全局平均池化，表示核大小為3×3的一維卷積，σ表示s型運算；和分別為對比度線索類型相關的顯著性預測和部件-整體關系相關的顯著性預測，表示類型交互模塊的輸出圖； 步驟52、通過相同的融合方式得到類型交互模塊的輸出圖和，將和進行融合卷積后并與進行融合卷積，得到最終的顯著圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人常州大學，其通訊地址為：213100 江蘇省常州市武進區湖塘鎮滆湖中路21號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。