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！

龙图腾网获悉暨南大学申请的专利一种基于因果效应的车辆重识别无偏特征增强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：CN116958912B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310723554.3，技术领域涉及：G06V20/54；该发明授权一种基于因果效应的车辆重识别无偏特征增强方法是由邓玉辉;黄俊豪设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于因果效应的车辆重识别无偏特征增强方法在说明书摘要公布了：本发明公开了一种基于因果效应的车辆重识别无偏特征增强方法，步骤如下：构建骨干网络提取图像特征；通过无偏特征增强模块提取特征图的注意力权重，使用反事实干扰方法生成特征图的反注意力权重；通过基于因果效应的联合约束模块增强特征图的无偏注意力权重；通过预测网络输出特征；使用无偏特征增强网络进行车辆重识别。本发明通过无偏特征增强模块自适应地为特征图的有意义区域添加权重，减少人工标注；通过基于因果效应的联合约束模块增强含无偏特征的区域权重同时减弱含有偏特征的区域权重；通过无偏特征增强模块和基于因果效应的联合约束的优化，增强对有效特征的识别能力，提高车辆重识别准确率。

本发明授权一种基于因果效应的车辆重识别无偏特征增强方法在权利要求书中公布了：1.一种基于因果效应的车辆重识别无偏特征增强方法，其特征在于，所述车辆重识别无偏特征增强方法包括以下步骤： S1、构建无偏特征增强网络，所述无偏特征增强网络包括骨干网络、无偏特征增强模块、基于因果效应的联合约束模块和预测网络； S2、构建骨干网络，将包含车辆信息的图像Fin∈RC×W×H输入骨干网络中进行特征提取，其中C表示图像通道的数量，W和H为图像的高和宽，R表示实数域；骨干网络的输出是特征图其中C1为通过骨干网络后特征图的通道数量，W1为通过骨干网络后特征图的宽度，H1为通过骨干网络后特征图的高度； S3、构建无偏特征增强模块，将特征图FB输入无偏特征增强模块提取特征图的注意力权重和反事实注意力权重，无偏特征增强模块的输出分别是特征图 S4、构建基于因果效应的联合约束模块，将特征图特征图输入基于因果效应的联合约束模块进行特征提取，基于因果效应的联合约束模块的输出分别是正常注意力特征图的预测分数反事实注意力特征图的预测分数其中cls为训练集中的车辆种类数； S5、构建预测网络，将特征图输入预测网络，预测网络的输出分别是特征图最终的预测分数yP∈Rcls； S6、构建交叉熵损失函数和三元损失函数，然后根据交叉熵损失函数和三元损失函数加权求和得到总损失函数； S7、输入图像数据集，基于总损失函数对无偏特征增强网络进行训练； S8、输入待检测图像，采用已训练的无偏特征增强网络进行车辆重识别。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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。