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！

龍圖騰網獲悉南開大學申請的專利基于邊緣語義融合和對比度特征聚合的船舶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：CN120198682B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510662317.X，技術領域涉及：G06V10/44；該發明授權基于邊緣語義融合和對比度特征聚合的船舶檢測方法是由張曉宇;宋子京;檀盼龍設計研發完成，并于2025-05-22向國家知識產權局提交的專利申請。

本基于邊緣語義融合和對比度特征聚合的船舶檢測方法在說明書摘要公布了：本發明涉及船舶檢測技術領域，提供一種基于邊緣語義融合和對比度特征聚合的船舶檢測方法。該方法包括以下步驟：獲取并預處理圖像，獲得預處理后的圖像；基于基礎模型建立船舶檢測模型，所述船舶檢測模型包括邊緣語義融合主干網絡、對比度驅動的特征聚合模塊和動態融合頭；設置訓練參數，使用預處理后的圖像對所述船舶檢測模型進行訓練，得到船舶檢測訓練模型；將需要檢測的檢測圖像輸入到船舶檢測訓練模型中，得到檢測結果。本發明通過提出了一種融合邊緣語義融合和對比度驅動的特征融合兩個模塊的新的框架，達到了增強了目標與背景的可分辨性，突出了本發明的跨模型泛化能力。

本發明授權基于邊緣語義融合和對比度特征聚合的船舶檢測方法在權利要求書中公布了：1.一種基于邊緣語義融合和對比度特征聚合的船舶檢測方法，其特征在于，包括以下步驟： S1：獲取并預處理圖像，獲得預處理后的圖像； S2：基于基礎模型建立船舶檢測模型，所述船舶檢測模型包括邊緣語義融合主干網絡、對比度驅動的特征聚合模塊和動態融合頭；所述邊緣語義融合主干網絡包括基礎特征提取器和多尺度邊緣特征生成器，所述多尺度邊緣特征生成器的工作流程為： S11：將輸入圖像數據進行卷積得到輸入特征圖； S12：對所述輸入特征圖進行邊緣信息融合得到第一邊緣信息特征； S13：對所述第一邊緣信息特征進行邊緣信息融合得到第二邊緣信息特征； S14：對所述第二邊緣信息特征進行邊緣信息融合得到第三邊緣信息特征； 所述邊緣信息融合的工作流程為： S101：定義Sobel水平方向算子和Sobel垂直方向算子： 為矩陣的轉置； S102：將輸入的數據根據Sobel水平方向算子進行水平Sobel卷積得到水平Sobel結果； S103：將所述輸入特征圖根據Sobel垂直方向算子進行垂直Sobel卷積得到垂直Sobel結果； S104：將所述水平Sobel結果和垂直Sobel結果按位相乘得到邊緣信息特征； 所述基礎特征提取器的步驟為： S111：將所述輸入特征圖輸入到C3k2模塊進行特征提取得到第一C3k2結果，將所述第一C3k2結果與所述第一邊緣信息特征進行邊緣引導特征融合，得到第一特征圖； S112：將所述第一特征圖輸入到C3k2模塊進行特征提取得到第二C3k2結果，將所述第二C3k2結果與所述第二邊緣信息特征進行邊緣引導特征融合，得到第二特征圖； S113：將所述第二特征圖輸入到C3k2模塊進行特征提取得到第三C3k2結果，將所述第三C3k2結果與所述第三邊緣信息特征進行邊緣引導特征融合，得到第三特征圖； 所述邊緣引導特征融合流程為： S121：將輸入的特征圖進行池化得到第一池化結果； S122：將所述第一池化結果進行池化，再進行卷積，得到第二池化結果； S123：將所述第二池化結果進行池化，再進行卷積，得到第三池化結果； S124：將所述邊緣特征、第一池化結果、第二池化結果、第三池化結果和C3k2結果按位相乘得到邊緣引導中間值； S125：將所述邊緣引導中間值進行卷積得到特征圖； S3：設置訓練參數，使用預處理后的圖像對所述船舶檢測模型進行訓練，得到船舶檢測訓練模型； S4：將需要檢測的檢測圖像輸入到船舶檢測訓練模型中，得到檢測結果。

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南開大學，其通訊地址為：300071 天津市南開區衛津路94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”。