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！

龙图腾网获悉中山大学申请的专利一种无监督的显著性目标检测方法、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：CN114266927B 。

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：202111592536.3，技术领域涉及：G06V10/771；该发明授权一种无监督的显著性目标检测方法、系统、设备及介质是由李冠彬;陈宇洋设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本一种无监督的显著性目标检测方法、系统、设备及介质在说明书摘要公布了：本发明涉及计算机视觉技术领域，尤其涉及一种无监督的显著性目标检测方法、系统、设备及介质，包括：将输入的训练图像利用伪标签生成模型生成伪标签，将训练图像输入骨干网络，得到目标特征向量；根据目标特征向量和伪标签，得到对比度特征，并在利用K‑Means算法对对比度特征进行聚类学习后，通过注意力机制和分类网络，得到网络预测图；解决了现有的显著性目标检测方法采用的训练数据集大部分都存在着自有的偏置，且伪标签通常存在噪声的问题，本发明通过对比度聚类方法和模型训练方法能够将骨干网络中低层次对比度特征与高层次对比度特征融合到一起，以实现无监督但可靠的显著性目标检测，降低了成本，提高了检测的精确性。

本发明授权一种无监督的显著性目标检测方法、系统、设备及介质在权利要求书中公布了：1.一种无监督的显著性目标检测方法，其特征在于，包括以下步骤： 将输入的训练图像利用伪标签生成模型生成伪标签； 将所述训练图像输入骨干网络，得到目标特征向量； 根据所述目标特征向量和所述伪标签，得到对比度特征，并根据骨干网络各层与输入层和输出层之间的距离，对所述对比度特征进行筛选，得到底层对比度特征和高层对比度特征；其中，底层特征定义为相对接近网络输入层的神经网络层特征，其对应的对比度特征为底层对比度特征；高层特征定义为相对接近该网络输出层的神经网络层特征，其对应的对比度特征为高层对比度特征； 分别对所述底层对比度特征和所述高层对比度特征进行聚类学习，得到对应的底层聚类特征和高层聚类特征； 对所述底层聚类特征和高层聚类特征进行笛卡尔乘积计算，得到笛卡尔积特征； 利用目标特征向量和所述笛卡尔积特征，得到注意力向量特征； 将所述目标特征向量和所述注意力向量特征输入分类网络，得到网络预测图； 其中，所述根据所述目标特征向量和所述伪标签，得到对比度特征的步骤包括： 将骨干网络各层的所有目标特征向量进行平均池化，得到骨干网络各层的全局特征； 根据骨干网络各层的伪标签得到伪标签中的显著性目标区域，并将伪标签中的显著性目标区域输入骨干网络，得到显著区域检测结果； 对显著区域检测结果进行平均池化操作，得到骨干网络各层的局部特征； 根据骨干网络各层的全局特征和局部特征，得到骨干网络各层的对比度特征；所述对比度特征的计算公式为： 式中，表示骨干网络第d层的对比度特征；表示骨干网络第d层的全局特征；表示骨干网络第d层的局部特征； 所述利用目标特征向量和所述笛卡尔积特征，得到注意力向量特征的步骤包括：统计笛卡尔积特征中每个簇的占比，得到簇占比信息；对目标特征向量、笛卡尔积特征以及簇占比信息进行注意力计算，得到注意力向量特征。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。