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！

龙图腾网获悉北京理工大学申请的专利一种基于强化学习的水母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：CN119580079B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411637571.6，技术领域涉及：G06V20/05；该发明授权一种基于强化学习的水母目标检测方法是由高美静;陈思博;李时雨设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于强化学习的水母目标检测方法在说明书摘要公布了：本发明提供一种基于强化学习的水母目标检测方法，相比传统的CNN，本发明的基于Transformer的特征识别主干网络TBFRNet具有更好的全局特征提取能力；相比Transformer又可以提升区域特征获取能力，降低计算复杂度，提供了模块的解释性；基于人类对水母生物学特性感知，针对水母的生物学特性设计了包含两个子模块FEDM和PDM的水母特征检测模块JDM，这一新的模块融合了人类视觉系统对于水母外观特征的理解，分别强化了网络对水母伞状特征和尾部特征的识别能力和提取能力；同时，分支辅助检测网络BADN可以生成与主干网络相对应的梯度信息，从而在主干网络的梯度计算中起到辅助作用，有助于深度神经网络在信息传递过程中保留关键特征，从而提高模型的性能和学习效率。

本发明授权一种基于强化学习的水母目标检测方法在权利要求书中公布了：1.一种基于强化学习的水母目标检测方法，其特征在于，采用基于Transformer的强化学习模型检测待测图像中的水母目标，其中，所述强化学习模型包括特征识别主干网络、分支辅助检测网络以及检测头； 所述特征识别主干网络用于获取提取待测图像的多级深层特征，并将最后三级深层特征分别记为P3特征图、P4特征图、P5特征图；其中，每一级深层特征均在前一级深层特征的基础上提取得到，且P5特征图采用基于Transformer和独立成分分析的方法提取得到； 所述分支辅助检测网络采用动态蛇形卷积提取待测图像的局部特征图，并将局部特征图与P3特征图、P4特征图、P5特征图融合得到P3'特征图，将P3'特征图与P4特征图、P5特征图融合得到P4'特征图，将P4'特征图与P5特征图融合得到P5'特征图； 所述检测头用于P3特征图、P4特征图、P5特征图、P3'特征图、P4'特征图以及P5'特征图获取待测图像中水母目标以及水母目标的所属类别； 所述特征识别主干网络包括顺次级联的STEM单元、第一TABlock单元、第一Downsample单元、第二TABlock单元、第二Downsample单元、第三TABlock单元、第三Downsample单元以及TABlock+T-ICA融合单元； 所述STEM单元用于对待测图像进行粗特征提取，得到P1特征图； 所述第一TABlock单元用于对P1特征图进行特征提取，得到P2特征图； 所述第一Downsample单元用于对P2特征图进行降采样处理，得到降采样后的P2特征图； 所述第二TABlock单元用于对降采样后的P2特征图进行特征提取，得到P3特征图； 所述第二Downsample单元用于对P3特征图进行降采样处理，得到降采样后的P3特征图； 所述第三TABlock单元用于对降采样后的P3特征图进行特征提取，得到P4特征图； 所述第三Downsample单元用于对P4特征图进行降采样处理，得到降采样后的P4特征图； 所述TABlock+T-ICA融合单元用于对降采样后的P4特征图进行深层特征提取，得到P5特征图； 所述TABlock+T-ICA融合单元中的T-ICA单元包括顺次连接的第一LN层、第一Linear层、WDICA层、QKV映射层、MHSA层、第二Linear层、第二LN层、MLP感知机，则P5特征图的获取方法为： 其中，为P5特征图，为TABlock+T-ICA融合单元中的TABlock单元输出的特征图，为TABlock+T-ICA融合单元中的中间特征图，表示任意LN层提供的层归一化操作，表示MLP感知机提供的多层感知操作，表示任意Linear层提供的线性归一化操作，表示高频分量的小波分解运算，表示低频分量的小波分解运算，为通过高频分量的小波分解运算得到的分量，为通过低频分量的小波分解运算得到的分量，为通过低频分量的小波分解运算得到的另一个分量，为MHSA层提供的多头注意力操作，为第三TABlock单元的通道数，为设定的偏置系数，为激活函数。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。