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！

龙图腾网获悉中国电子科技集团公司第十研究所申请的专利基于特征融合和对齐的领域自适应DINO模型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：CN120147761B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510618107.0，技术领域涉及：G06V10/764；该发明授权基于特征融合和对齐的领域自适应DINO模型目标检测方法是由朱思翰;吴元;朱佩佩;李雪;谢勋伟;王贤圆设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本基于特征融合和对齐的领域自适应DINO模型目标检测方法在说明书摘要公布了：本申请公开了一种基于特征融合和对齐的领域自适应DINO模型目标检测方法，其包括：将骨干网络输出的特征依次输入第一特征融合模块和第一领域判别器，得到骨干网络图像级对抗训练损失；将编码器输出的特征输入第二领域判别器，得到编码器像素级对抗训练损失；将解码器输出的特征依次输入第二特征融合模块和第三领域判别器，得到解码器目标级对抗训练损失；根据骨干网络图像级对抗训练损失、编码器像素级对抗训练损失、解码器目标级对抗训练损失，以及源域检测损失，使得DINO模型学习跨域不变特征，完成对目标域图像数据的跨领域目标检测。本申请可减少数据分布偏移，并学习可迁移特征表示，使得模型在目标域也拥有良好的检测性能。

本发明授权基于特征融合和对齐的领域自适应DINO模型目标检测方法在权利要求书中公布了：1.一种基于特征融合和对齐的领域自适应DINO模型目标检测方法，其特征在于，包括： 步骤1：将源域数据和目标域数据共同输入DINO模型的骨干网络进行特征提取；网络模型包括DINO模型、第一特征融合模块、第一领域判别器、第二领域判别器、第二特征融合模块和第三领域判别器；DINO模型包括依次连接的骨干网络、编码器、解码器和前馈网络；源域数据包括源域图像及其对应的目标标签，目标标签包括目标的边框坐标和类别信息；目标域数据仅包括目标域图像； 步骤2：将骨干网络输出的特征依次输入第一特征融合模块和第一领域判别器，得到骨干网络图像级对抗训练损失； 步骤3：将编码器输出的特征输入第二领域判别器，得到编码器像素级对抗训练损失； 步骤4：将解码器输出的特征依次输入第二特征融合模块和第三领域判别器，得到解码器目标级对抗训练损失； 步骤5：根据骨干网络图像级对抗训练损失、编码器像素级对抗训练损失、解码器目标级对抗训练损失，以及源域检测损失，对网络模型进行优化，使得网络模型学习跨域不变特征，增强网络模型的跨域泛化能力； 步骤6：网络模型训练好后，只需加载DINO模型权重即可完成对目标域图像数据的跨领域目标检测。

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中国电子科技集团公司第十研究所，其通讯地址为：610000 四川省成都市金牛区茶店子东街48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”。