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！

龙图腾网获悉中国科学技术大学申请的专利一种基于空间感知令牌的弱监督物体定位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：CN117315219B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311383335.1，技术领域涉及：G06V10/24；该发明授权一种基于空间感知令牌的弱监督物体定位方法是由查正军;曹洋;翟伟;吴平禹设计研发完成，并于2023-10-24向国家知识产权局提交的专利申请。

本一种基于空间感知令牌的弱监督物体定位方法在说明书摘要公布了：本发明公开了一种基于空间感知令牌的弱监督物体定位方法，其步骤包括：1、图像的序列化处理；2、基于空间感知Transformer等模块构造分类‑定位联合网络；3、处理后的图像序列拼接类别令牌和空间感知令牌作为输入，经过空间感知Transformer块后生成定位图，并在整个网络的最后输出类别预测结果；4、平均所有空间感知Transformer块生成的定位图作为最终定位结果；5、构造分类损失、批次面积损失和正则化损失对模型进行训练。本发明通过引入额外的空间令牌汇聚信息并生成定位结果，从而能有效的实现弱监督物体定位任务。

本发明授权一种基于空间感知令牌的弱监督物体定位方法在权利要求书中公布了：1.一种基于空间感知令牌的弱监督物体定位方法，其特征在于，是按如下步骤进行： 步骤1、图像的序列化处理： 步骤1.1、获取一组批次为B带有类别标签的图像集合，记图像集合中的第b个图像为 其中，h、w、c分别表示图像的高、宽、通道数，令图像Ib的类别标签为C是数据集的类别数； 步骤1.2、将图像Ib拆分为一系列不重叠的正方形补丁，再经过线性处理后，得到一组图像补丁序列其中，D表示通道数，N表示序列的长度，且N＝h×wP2，P是补丁的边长； 步骤1.3、在输入空间中构造一组待学习的类别令牌和空间感知令牌 步骤1.4、将图像补丁序列Xb与类别令牌xcls和空间感知令牌xspa拼接后，生成初始序列Fb＝{Xb,xcls,xspa}并作为网络的输入，且 步骤2、采用线性串联的形式搭建级联的L1个Transformer块、L2个空间感知Transformer块、一层卷积层和一层全局平均池化层，从而构造分类-定位联合网络，用于生成图像Ib的分类预测结果和定位预测结果： 步骤2.1：将Fb输入分类-定位联合网络中，并经过L1个Transformer块的处理后，得到特征序列并输入到级联的L2个空间感知Transformer块中； 步骤2.2：将作为第l个空间感知Transformer块的输入，并经过第l个空间感知Transformer块的处理后，生成第l个空间感知Transformer块输出的序列以及定位图从而由第L2空间感知Transformer块输出的特征序列及定位图 步骤2.3：特征序列经过一层卷积层和全局平均池化层后，得到图像Ib类别的预测逻辑 步骤2.4：对L2个空间感知Transformer块中所有定位图求平均，得到最终的定位图Mb； 步骤3：基于图像Ib类别的预测逻辑和定位图Mb，构建一个交叉熵分类损失Lcls与两个空间损失，包括：批次面积损失Lba和正则化损失Lnorm； 步骤3.1：根据式4构建交叉熵分类损失Lcls： 式4中，yb,m表示图像Ib的真实类别yb在类别m上的标签；和分别表示预测逻辑在类别m和类别c上的激活值； 步骤3.2：根据式5构建批次面积损失Lba： 式5中，Mbi,j表示定位图Mb在像素点i,j上的数值；λ表示超参数； 步骤3.3：根据式6构建正则化损失Lnorm： 步骤3.4：根据式7构建总损失函数L： L＝Lcls+Lba+Lnorm7 步骤4：利用梯度下降法对分类-定位联合网络进行训练，并计算总损失函数L以更新网络参数，直到总损失函数L收敛为止，从而得到训练好的分类-定位联合模型，用于实现对任意一输入图像的分类和定位预测。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。