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！

龙图腾网获悉华南理工大学申请的专利基于联合图分割的自监督目标定位方法、系统、设备及介质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：CN115239808B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202210756626.X，技术领域涉及：G06T7/73；该发明授权基于联合图分割的自监督目标定位方法、系统、设备及介质是由吴庆耀;苏宇堃;孙瑞洲设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本基于联合图分割的自监督目标定位方法、系统、设备及介质在说明书摘要公布了：本发明公开了基于联合图分割的自监督目标定位方法、系统、设备及介质，方法包括：获取无标签图片，使用几何变换获得图像对；构建自监督目标定位模型；所述自监督目标定位模型包括主干网络、联合图分割模块、卷积网络及Softmax分类器；将图像对输入主干网络中，提取语义特征对；将语义特征对输入联合图分割模块中，得到突出显示共享前景目标的掩码对；将掩码对和语义特征对共同输入卷积网络中，在图像对上训练卷积网络，再经过Softmax分类器进行目标定位。本发明将孪生网络作为主干网络，通过引入联合图分割模块，解决了同一图片不同几何变换下激活区域不一致的问题，增强了对象的共并发区域；同时以自监督学习方式训练模型，提升了目标定位的性能及准确率。

本发明授权基于联合图分割的自监督目标定位方法、系统、设备及介质在权利要求书中公布了：1.基于联合图分割的自监督目标定位方法，其特征在于，包括下述步骤： 获取无标签图片，使用几何变换获得图像对；所述无标签图片是指获取的图片没有图像级标签和像素级别掩码标签；所述几何变换包括缩放、旋转、翻转和对称；所述无标签图片I经过几何变换后获得的图像对表示为I1,I2；所述图像对为无标签图片、几何变换后图片的随机组合； 构建自监督目标定位模型；所述自监督目标定位模型包括主干网络、联合图分割模块、卷积网络及Softmax分类器；所述主干网络为共享权值的孪生网络，包括第一主干网络和第二主干网络；所述联合图分割模块的参数可学习；所述主干网络为预训练好的VGG16分类网络； 将图像对输入自监督目标定位模型的主干网络中，提取语义特征对； 所述提取语义特征对，具体为： 将图像对输入主干网络中进行语义特征提取，获得语义特征对其中w为语义特征的宽度，h为语义特征图的高度，c为语义特征的维度； 所述第一主干网络对图像对中的I1进行语义特征提取： F1＝Backbone1I1 其中，表示图像对中的I1的语义特征，Backbone1为第一主干网络； 所述第二主干网络对图像对中的I2进行语义特征提取： F2＝Backbone2I2 其中，表示图像对中的I2的语义特征，Backbone2为第二主干网络； 将语义特征对输入自监督目标定位模型的联合图分割模块中，得到突出显示共享前景目标的掩码对； 所述得到突出显示共享前景目标的掩码对，具体为： 将语义特征对输入联合图分割模块中，对于输入的语义特征对将语义特征对视作一个图GV,E，其中V代表图G中的节点，E表示图G中节点的边； 已知图G中有2wh个节点则图G的邻接矩阵图G的度矩阵 构建联合图分割模块的初始损失函数： 式中，RatioCut为谱聚类函数，k表示语义特征中前景目标O和背景Vi,…,Vk表示图G中节点V的子集； 引入子图指标计算公式为： 由于度矩阵D是对角矩阵，结合拉普拉斯矩阵性质，将子图指标嵌入初始损失函数Lm*，得到联合图分割模块的目标损失函数： Lm＝hTD-Ah 其中，hT为子图指标的转置； 使用目标损失函数对联合图分割模块进行优化，得到突出显示共享前景目标的掩码对 将掩码对和语义特征对共同输入卷积网络中，在图像对上训练卷积网络，再经过Softmax分类器进行目标定位。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。