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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學麗水研究院申請的專利一種基于特征提煉的偽裝物體檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116797785B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05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?zhí)?專利號為：202310327951.9，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)一種基于特征提煉的偽裝物體檢測方法是由顏成鋼;馬立棟;陳泉;孫垚棋;朱尊杰;高宇涵;王鴻奎;王帥;王廷宇;殷海兵;張繼勇;李宗鵬;趙治棟設(shè)計研發(fā)完成，并于2023-03-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于特征提煉的偽裝物體檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于特征提煉的偽裝物體檢測方法，首先獲取偽裝物體檢測數(shù)據(jù)集，進行數(shù)據(jù)預處理；構(gòu)建基于特征提煉的偽裝物體檢測模型；再通過訓練集對構(gòu)建好的基于特征提煉的偽裝物體檢測模型訓練，對預測結(jié)果使用結(jié)構(gòu)損失函數(shù)進行監(jiān)督學習。最后對模型訓練結(jié)果加以驗證。本發(fā)明基于特征提煉的方式來構(gòu)建偽裝物體檢測模型，對偽裝物體圖像的特征進行增強處理以及去除背景噪聲，利用結(jié)構(gòu)損失函數(shù)對結(jié)果進行監(jiān)督學習，使得預測結(jié)果更加準確，具有較強的魯棒性，從而實現(xiàn)對偽裝物體的精確分割，對社會具有重要意義。

本發(fā)明授權(quán)一種基于特征提煉的偽裝物體檢測方法在權(quán)利要求書中公布了：1.一種基于特征提煉的偽裝物體檢測方法，其特征在于，包括以下步驟： 步驟1、獲取偽裝物體檢測數(shù)據(jù)集； 步驟2、數(shù)據(jù)預處理； 將偽裝物體檢測圖像通過雙線性插值算法裁剪為352×352尺寸； 步驟3、構(gòu)建基于特征提煉的偽裝物體檢測模型； 所述的基于特征提煉的偽裝物體檢測模型包括一個ResNet50特征提取模塊，三個CBR模塊和一個特征提煉模塊； 首先，輸入圖像通過ResNet50特征提取模塊獲得5個由深淺層到淺深層的特征X1、X2、X3、X4和X5；接著將X1、X2和X3通過CBR模塊進行特征增強，從而得到特征Z1、Z2和Z3；然后，使用特征提煉模塊對三個深層的特征Z1、Z2、Z3進行特征提煉以去除特征中的背景噪聲并且保留對檢測有益的信息，最終獲得預測結(jié)果P； 所述特征提煉模塊由n條分支以及2n個特征融合模塊組成，以一種漸進式的自下而上的特征多尺度融合方式進行特征提煉；特征提煉模塊的整體結(jié)構(gòu)如下： 對于第i路操作，首先特征和特征通過特征融合模塊進行融合生成特征接著特征和特征通過特征融合模塊進行融合生成特征特征提煉模塊的結(jié)構(gòu)公式如下所示： 所述特征融合模塊由特征上采樣操作、特征拼接操作和一個CBR模塊組成；輸入的兩個特征通過上采樣操作使得兩個特征分辨率保持一致，接著使用特征拼接操作將兩個特征按通道維度拼接在一塊，最后使用CBR模塊將特征進行融合處理； 步驟4、通過訓練集對構(gòu)建好的基于特征提煉的偽裝物體檢測模型訓練，對預測結(jié)果使用結(jié)構(gòu)損失函數(shù)進行監(jiān)督學習； 步驟5、對模型訓練結(jié)果加以驗證，將測試集的數(shù)據(jù)輸入到訓練好的模型中，然后獲取預測結(jié)果，與真實結(jié)果對比驗證是否有效；預測結(jié)果和真實結(jié)果都是只有0和1的二值化圖像，通過相減的方式獲取一張圖不同的像素點，然后除以整張圖總像素數(shù)就是MAE指標，該指標越小越好。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學麗水研究院，其通訊地址為：323010 浙江省麗水市蓮都區(qū)南明山街道大沅街與綠源路交叉口東北側(cè)半導體芯片產(chǎn)業(yè)園3號樓；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)”。