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！

龙图腾网获悉浙江大学申请的专利基于深度学习语义特征分离的空域小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：CN116206219B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211656664.4，技术领域涉及：G06V20/17；该发明授权基于深度学习语义特征分离的空域小目标检测方法是由李淼;王行健;曾广扬;史治国;陈积明设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本基于深度学习语义特征分离的空域小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深度学习语义特征分离的空域小目标检测方法。该方法包括：对输入图片进行预处理，消除噪声干扰，提高对小目标的学习能力；采用神经网络处理目标图片，并经过反卷积操作提取神经网络的语义信息与纹理信息；利用检测器生成目标区域存在概率图，采用概率图滤波处理目标语义及纹理特征，消除背景特征干扰，保留目标前景特征，稀疏化目标特征表征空间；采用Transformer结构网络通过查询处理目标语义信息及纹理特征信息，提取目标特征间的关联性，生成多个目标预测框集合；采用匈牙利算法，动态匹配预测框信息与真实框信息，通过最小化损失函数实现预测框与真实框之间的最优动态匹配机制，在不依赖先验信息的基础上实现目标预测。

本发明授权基于深度学习语义特征分离的空域小目标检测方法在权利要求书中公布了：1.一种基于深度学习语义特征分离的空域小目标检测方法，其特征在于，包括图片预处理、语义纹理特征提取、概率滤波、全局预测框生成、动态预测框匹配五个步骤： 步骤一：对输入的空域图片进行预处理，首先采用高斯滤波消除噪声干扰，突出图片边缘，之后采用尺寸变换、小目标扩充方法提高对空域小目标的学习能力； 步骤二：采用Resnet18与Resnet34分别对步骤一处理后的目标图片进行语义信息与纹理信息的提取，之后通过反卷积操作分别进行上采样，提高特征的分辨率与信息丰富度； 步骤三：首先利用检测器生成空间内表征目标存在的概率图，之后对目标语义特征和纹理特征进行特征之间的转换拼接，采用概率图滤波处理拼接后的特征，消除背景特征干扰，保留目标前景特征，通过降低背景所在区域的数字特征值，稀疏化目标特征表征空间； 步骤四：采用Transformer结构网络，利用编码器Encoder和解码器Decoder分别对特征空间进行编码与解码操作，提取目标特征间的关联性，通过关联性抑制背景噪声并且强化与目标相关的区域特征，最后通过线性网络生成多个目标预测框集合； 步骤五：采用匈牙利算法，将预测问题视为线性规划问题，在不依赖先验信息的基础上，通过最小化类别损失、预测框回归损失和交并比损失，实现预测框信息与真实框信息之间多对少的最优动态匹配机制，并且调整网络相关参数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。