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！

龍圖騰網獲悉西華師范大學申請的專利一種基于邊緣提取和準確定位的目標檢測方法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：CN120510406B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202511000174.2，技術領域涉及：G06V10/52；該發明授權一種基于邊緣提取和準確定位的目標檢測方法是由鄭伯川;胡桂彬;游成萬設計研發完成，并于2025-07-21向國家知識產權局提交的專利申請。

本一種基于邊緣提取和準確定位的目標檢測方法在說明書摘要公布了：本發明屬于目標檢測技術領域，具體涉及一種基于邊緣提取和準確定位的目標檢測方法，構建EEALNet網絡模型設置特征提取模塊、粗定位模塊和精確分割模塊，特征提取模塊提取四個不同尺度大小的特征t1?t4，最深層特征送入粗定位模塊，粗定位模塊將最深層特征與其他層次特征進行特征融合，得到粗略定位圖，精確分割模塊通過對目標區域和目標邊緣交替注意將粗略的預測圖進一步細化，得到最終的預測圖。在特征提取階段，使用金字塔視覺轉換器來進行特征提取。在粗定位階段，采用鏡像融合的方式對特征由深到淺地進行融合進行粗略定位，在精確分割階段，通過交替關注目標本身以及目標邊緣來精確分離高度相似的前景與背景。通過分階段逐漸實現偽裝目標的精確定位。

本發明授權一種基于邊緣提取和準確定位的目標檢測方法在權利要求書中公布了：1.一種基于邊緣提取和準確定位的目標檢測方法，其特征在于，包括以下步驟： S1：構建EEALNet網絡模型，所述EEALNet網絡模型設置特征提取模塊、粗定位模塊和精確分割模塊； S2：將圖像輸入所述EEALNet網絡模型，特征提取模塊從圖像中提取四個不同尺度大小的特征t1-t4； S3：將四個特征中的最深層特征送入粗定位模塊，所述粗定位模塊將最深層特征與其他層次特征進行特征融合，將s1通道的尺寸與s4通道對齊，同時將s1通道數降為1，得到粗略定位圖p1并傳輸給精確分割模塊； S4：所述精確分割模塊通過對目標區域和目標邊緣交替注意將粗略的預測圖進一步細化，得到最終的預測圖； 所述粗定位模塊包括MFM模塊、下采樣模塊和U-ASPP模塊，步驟U-ASPP模塊對圖像的具體處理過程如下： S31：將最深層次特征t4進入U-ASPP模塊后被送入五個不同的分支，通過不同膨脹率的3×3空洞卷積擁有不同的感受野的三個分支對特征進行多尺度的提取，捕捉不同大小的目標； S32：剩余兩個分支通過池化和1×1卷積來獲取全局信息，步驟S31中的三個含有空洞卷積的分支將上一分支通過SE注意力機制之后的特征與本分支特征相加，然后一起送入空洞卷積和SE注意力機制中進一步提取特征； S33：通過自下向上的順序對相鄰兩個分支進行通道融合，最后將五個分支的特征進行通道融合輸出得到s4； 所述MFM模塊的具體處理過程如下： S34：將深層次融合后的特征si+1通過3×3卷積進一步提取特征； S35：使用超分辨率任務中的Pixshuffle進行上采樣，將尺寸與ti對齊，經過sigmoid激活函數與ti相乘得到m1，具體公式如下： ； 其中，CBR（·）表示Conv+BN+Relu，Pixshuffle·表示超分辨率中的上采樣； S36：利用si+1來引導ti關注重要特征，ti經過下采樣模塊對齊si+1的尺寸，經過sigmoid激活函數與si+1相乘得到m2，具體公式如下： ； 其中，DownSample·表示步長為2的3×3卷積； S37：將m2通過Pixshuffle上采樣對齊m1尺寸之后與m1進行通道融合，接著送入SE注意力機制，關注更重要的特征，抑制無關或冗余的信息，得到si； ； 其中，SE·代表SE注意力機制，Cat·代表通道融合。

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西華師范大學，其通訊地址為：637000 四川省南充市順慶區師大路1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”。