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)獲悉中山大學(xué)申請(qǐng)的專利一種無(wú)監(jiān)督的顯著性目標(biāo)檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)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：CN114266927B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12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：202111592536.3，技術(shù)領(lǐng)域涉及：G06V10/771；該發(fā)明授權(quán)一種無(wú)監(jiān)督的顯著性目標(biāo)檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)是由李冠彬;陳宇洋設(shè)計(jì)研發(fā)完成，并于2021-12-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種無(wú)監(jiān)督的顯著性目標(biāo)檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，尤其涉及一種無(wú)監(jiān)督的顯著性目標(biāo)檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)，包括：將輸入的訓(xùn)練圖像利用偽標(biāo)簽生成模型生成偽標(biāo)簽，將訓(xùn)練圖像輸入骨干網(wǎng)絡(luò)，得到目標(biāo)特征向量；根據(jù)目標(biāo)特征向量和偽標(biāo)簽，得到對(duì)比度特征，并在利用K?Means算法對(duì)對(duì)比度特征進(jìn)行聚類學(xué)習(xí)后，通過(guò)注意力機(jī)制和分類網(wǎng)絡(luò)，得到網(wǎng)絡(luò)預(yù)測(cè)圖；解決了現(xiàn)有的顯著性目標(biāo)檢測(cè)方法采用的訓(xùn)練數(shù)據(jù)集大部分都存在著自有的偏置，且偽標(biāo)簽通常存在噪聲的問(wèn)題，本發(fā)明通過(guò)對(duì)比度聚類方法和模型訓(xùn)練方法能夠?qū)⒐歉删W(wǎng)絡(luò)中低層次對(duì)比度特征與高層次對(duì)比度特征融合到一起，以實(shí)現(xiàn)無(wú)監(jiān)督但可靠的顯著性目標(biāo)檢測(cè)，降低了成本，提高了檢測(cè)的精確性。

本發(fā)明授權(quán)一種無(wú)監(jiān)督的顯著性目標(biāo)檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種無(wú)監(jiān)督的顯著性目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟： 將輸入的訓(xùn)練圖像利用偽標(biāo)簽生成模型生成偽標(biāo)簽； 將所述訓(xùn)練圖像輸入骨干網(wǎng)絡(luò)，得到目標(biāo)特征向量； 根據(jù)所述目標(biāo)特征向量和所述偽標(biāo)簽，得到對(duì)比度特征，并根據(jù)骨干網(wǎng)絡(luò)各層與輸入層和輸出層之間的距離，對(duì)所述對(duì)比度特征進(jìn)行篩選，得到底層對(duì)比度特征和高層對(duì)比度特征；其中，底層特征定義為相對(duì)接近網(wǎng)絡(luò)輸入層的神經(jīng)網(wǎng)絡(luò)層特征，其對(duì)應(yīng)的對(duì)比度特征為底層對(duì)比度特征；高層特征定義為相對(duì)接近該網(wǎng)絡(luò)輸出層的神經(jīng)網(wǎng)絡(luò)層特征，其對(duì)應(yīng)的對(duì)比度特征為高層對(duì)比度特征； 分別對(duì)所述底層對(duì)比度特征和所述高層對(duì)比度特征進(jìn)行聚類學(xué)習(xí)，得到對(duì)應(yīng)的底層聚類特征和高層聚類特征； 對(duì)所述底層聚類特征和高層聚類特征進(jìn)行笛卡爾乘積計(jì)算，得到笛卡爾積特征； 利用目標(biāo)特征向量和所述笛卡爾積特征，得到注意力向量特征； 將所述目標(biāo)特征向量和所述注意力向量特征輸入分類網(wǎng)絡(luò)，得到網(wǎng)絡(luò)預(yù)測(cè)圖； 其中，所述根據(jù)所述目標(biāo)特征向量和所述偽標(biāo)簽，得到對(duì)比度特征的步驟包括： 將骨干網(wǎng)絡(luò)各層的所有目標(biāo)特征向量進(jìn)行平均池化，得到骨干網(wǎng)絡(luò)各層的全局特征； 根據(jù)骨干網(wǎng)絡(luò)各層的偽標(biāo)簽得到偽標(biāo)簽中的顯著性目標(biāo)區(qū)域，并將偽標(biāo)簽中的顯著性目標(biāo)區(qū)域輸入骨干網(wǎng)絡(luò)，得到顯著區(qū)域檢測(cè)結(jié)果； 對(duì)顯著區(qū)域檢測(cè)結(jié)果進(jìn)行平均池化操作，得到骨干網(wǎng)絡(luò)各層的局部特征； 根據(jù)骨干網(wǎng)絡(luò)各層的全局特征和局部特征，得到骨干網(wǎng)絡(luò)各層的對(duì)比度特征；所述對(duì)比度特征的計(jì)算公式為： 式中，表示骨干網(wǎng)絡(luò)第d層的對(duì)比度特征；表示骨干網(wǎng)絡(luò)第d層的全局特征；表示骨干網(wǎng)絡(luò)第d層的局部特征； 所述利用目標(biāo)特征向量和所述笛卡爾積特征，得到注意力向量特征的步驟包括：統(tǒng)計(jì)笛卡爾積特征中每個(gè)簇的占比，得到簇占比信息；對(duì)目標(biāo)特征向量、笛卡爾積特征以及簇占比信息進(jìn)行注意力計(jì)算，得到注意力向量特征。

如需購(gòu)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)人中山大學(xué)，其通訊地址為：510275 廣東省廣州市海珠區(qū)新港西路135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)”。