買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)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(xué)申請(qǐng)的專(zhuān)利基于生成式稀疏性的X光安檢圖像違禁品檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)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：CN120339264B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510772195.X，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)基于生成式稀疏性的X光安檢圖像違禁品檢測(cè)方法是由徐向華;武佳杰;王然設(shè)計(jì)研發(fā)完成，并于2025-06-11向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于生成式稀疏性的X光安檢圖像違禁品檢測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了基于生成式稀疏性的X光安檢圖像違禁品檢測(cè)方法，該方法首先獲取含有目標(biāo)邊界框和類(lèi)別標(biāo)注的X光安檢圖像數(shù)據(jù)集，先后利用ResNet和特征金字塔結(jié)構(gòu)提取安檢圖像中的多級(jí)特征。其次利用擴(kuò)散模型生成帶噪聲的預(yù)案框，利用預(yù)案框生成感興趣區(qū)域特征以及具有上下文感知的特征表示；通過(guò)動(dòng)態(tài)過(guò)濾融合模塊，生成精煉特征圖，得到目標(biāo)預(yù)測(cè)框和對(duì)應(yīng)類(lèi)別分?jǐn)?shù)。然后在標(biāo)簽分配階段，利用匈牙利Top?K匹配策略，通過(guò)全局性匹配，為每個(gè)真值尋找K個(gè)同等重要的最優(yōu)正樣本，并構(gòu)建損失函數(shù)，進(jìn)行迭代訓(xùn)練，并在驗(yàn)證集上驗(yàn)證，輸出違禁品檢測(cè)效果圖。本發(fā)明無(wú)論是在X光違禁品檢測(cè)精準(zhǔn)度，還是在時(shí)效性都表現(xiàn)良好。

本發(fā)明授權(quán)基于生成式稀疏性的X光安檢圖像違禁品檢測(cè)方法在權(quán)利要求書(shū)中公布了：1.基于生成式稀疏性的X光安檢圖像違禁品檢測(cè)方法，其特征在于，包括以下步驟： 步驟1、獲取含有目標(biāo)邊界框和類(lèi)別標(biāo)注的X光安檢圖像數(shù)據(jù)集，先后利用ResNet主干和特征金字塔結(jié)構(gòu)提取安檢圖像中的多級(jí)特征； 步驟2、利用擴(kuò)散模型生成帶噪聲的預(yù)案框；并利用預(yù)案框生成感興趣區(qū)域特征roif以及具有上下文感知的特征表示spf； 步驟3、將擴(kuò)散模型DiffusionDET的動(dòng)態(tài)實(shí)例交互，替換為動(dòng)態(tài)過(guò)濾融合模塊DFF，生成精煉特征圖objf，得到目標(biāo)預(yù)測(cè)框和對(duì)應(yīng)類(lèi)別分?jǐn)?shù)；具體實(shí)現(xiàn)過(guò)程如下： 步驟3-1、首先采用全連接網(wǎng)絡(luò)，將特征表示spf映射到參數(shù)空間中，獲得動(dòng)態(tài)過(guò)濾參數(shù)dfp；然后通過(guò)內(nèi)核分割技術(shù)，將dfp分割為兩個(gè)獨(dú)立的參數(shù)：負(fù)責(zé)垂直方向的dfv與負(fù)責(zé)水平方向的dfh； 步驟3-2、利用CA注意力機(jī)制對(duì)roif進(jìn)行特征提取，生成特征圖，然后分別使用垂直過(guò)濾參數(shù)dfv與水平過(guò)濾參數(shù)dfh對(duì)特征感興趣區(qū)域運(yùn)用CA注意力機(jī)制進(jìn)行過(guò)濾，得到過(guò)濾后的特征xfv與xfh； 步驟3-3、將過(guò)濾后的特征xfv與xfh進(jìn)行拼接，并經(jīng)過(guò)非線性激活模塊處理，最終將結(jié)果映射回特征空間，得到過(guò)濾融合后的精煉特征objf； 步驟3-4、利用MLP對(duì)objf進(jìn)行相應(yīng)的縮放和平移操作，然后計(jì)算預(yù)測(cè)得分和預(yù)測(cè)框； 步驟4、在標(biāo)簽分配階段，利用匈牙利Top-K匹配策略HMK，通過(guò)全局性匹配，為每個(gè)真值GT尋找K個(gè)同等重要的最優(yōu)正樣本； 步驟5、構(gòu)建損失函數(shù)，將步驟1中的多級(jí)特征，輸入到由步驟2-步驟4構(gòu)建成的模型中進(jìn)行迭代訓(xùn)練，并在驗(yàn)證集上驗(yàn)證，輸出違禁品檢測(cè)效果圖。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢(qián)塘區(qū)白楊街道2號(hào)大街1158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)”。