买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于度量学习的混合网络水下光学图像目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116630788B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310424311.X，技术领域涉及：G06V20/05；该发明授权一种基于度量学习的混合网络水下光学图像目标检测方法是由毛昭勇;沈钧戈;丁文俊;陈刚琦设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于度量学习的混合网络水下光学图像目标检测方法在说明书摘要公布了：本发明公开了一种基于度量学习的混合网络水下光学图像目标检测方法，首先构建一个由两个混合模块和两个全局自注意力模块组成的残差全局模块，用于对水下光学图像的特征提取；然后构建前‑背景编码模块和位置编码模块用于分类；再用残差全局模块以及前‑背景编码模块和位置编码模块构建基于度量学习的混合网络；将待检测水下光学图像输入训练后的混合网络，最终获得检测结果，实现水下光学图像中的目标检测。本发明有效解决模型对于水下光学图像中常出现的前背景混淆问题，提升模型在水下光学图像目标检测中的可靠性与鲁棒性。

本发明授权一种基于度量学习的混合网络水下光学图像目标检测方法在权利要求书中公布了：1.一种基于度量学习的混合网络水下光学图像目标检测方法，其特征在于，包括如下步骤： 步骤1：构建一个由两个混合模块和两个全局自注意力模块组成的残差全局模块，用于对水下光学图像的特征提取，得到特征图； 输入图像同时输入第一个全局自注意力模块的查询端和第一个混合模块；第一个混合模块的输出同时输入第一个全局自注意力模块的索引和值端；第一个全局自注意力模块的输出与第一个混合模块的输出采用加性融合输入到第二个混合模块；第一个全局自注意力模块的输出作为第二个全局自注意力模块的索引和值端；第二个混合模块的输出作为第二个全局自注意力模块的查询端；第二个混合模块的输出和第二个全局自注意力模块以及输入图像三者进行加性融合后作为残差全局模块的最终输出的特征图； 所述混合模块分为两个阶段，第一个阶段经过两个连续的1x3和3x1的低秩卷积以及一个非线性层提取图像初步的矩形特征图；第二个阶段，先通过变形层将矩形特征图转换为特征列向量，然后输入全局注意力机制层中，进行全局特征提取，再经过非线性层GLU后，通过另一个变形层将全局特征变形为矩形特征图；两个阶段之间采用一个1x1的点卷积进行连接，且每个阶段的输出都和本阶段的输入直接相加； 步骤2；构建前-背景编码模块和位置编码模块； 将特征图同时输入并行的前背景稀疏转换器和分类稀疏转换器；所述前背景稀疏转换器和分类稀疏转换器不共享权重，但具有相同的结构，均为4个由3x3的深度可分离卷积、分组点卷积和非线性层顺序构成的基础模块串联而成；特征图分别经过两个转换器后，产生前背景区分特征图和中间特征图，再将前背景区分特征图和中间特征图进行乘性融合，经过一个3x3的卷积后，获得分类特征图用于分类； 所述位置编码模块与前-背景编码模块结构相同； 步骤3：构建基于度量学习的混合网络； 将图像首先输入由4个残差全局模块顺序构成的主干网络中，提取高级别特征；然后将生成的高级别特征分别送入前-背景编码模块与位置编码模块中进行语义转换与位置编码，进而获得最终的目标位置与类别信息； 步骤4：对基于度量学习的混合网络进行训练，通过调节混合网络的超参数，提高网络学习的稳定性；得到训练后的混合网络； 步骤5：将待检测水下光学图像输入训练后的混合网络，最终获得检测结果，实现水下光学图像中的目标检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。