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！

龙图腾网获悉中北大学申请的专利一种图像关键语义特征点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：CN119741504B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411841461.1，技术领域涉及：G06V10/44；该发明授权一种图像关键语义特征点检测方法是由张乐;张鹏;刘鹏;李孟委设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种图像关键语义特征点检测方法在说明书摘要公布了：本发明公开了一种图像关键语义特征点检测方法，属于图像关键特征点检测技术领域。针对视觉任务中复杂场景难以理解的问题，本发明首先通过基于神经网络架构构建优化的图像关键语义特征检测模型；然后通过自监督学习，在PASCALContext数据集的原图上合成关键特征检测的数据集。然后，在PASCALContext数据集上训练语义分割的权重，在合成数据集上训练图像关键特征检测与生成描述子的权重。最后，通过最优权重对图像进行关键语义特征点检测。本发明将重要语义信息隐式嵌入关键特征描述中，使得特征表示更加丰富，在纹理单一、光照变化条件下表现优异，为智能视觉任务的实现做出了有益的贡献。

本发明授权一种图像关键语义特征点检测方法在权利要求书中公布了：1.一种图像关键语义特征点检测方法，其特征在于，包括以下步骤： 步骤1，基于神经网络架构，构建优化的图像关键语义特征检测模型；具体包括以下步骤： 步骤1.1，然后将图片通过MobileNetV3骨干网络处理，输出尺寸分别为H4,W4,24的低级特征图，H8,W8,40的中级特征图和H16,W16,80的高级特征图； 步骤1.2，将高级特征图输入到CAD_ASPP模块密集连接的卷积层进行处理； 步骤1.3，语义分割分支：CAD_ASPP模块输出经过1×1卷积后进行2倍上采样，输出H8,W8,40尺寸的特征图，该特征图与中级特征图通过DWF模块拼接得到特征图a；特征图a经过1×1卷积后进行2倍上采样，得到特征图c；同时中级特征图经过1×1卷积后进行2倍上采样，通过DWF模块与低级特征图拼接得到特征图b；特征图b与特征图c拼接所得的特征图经过3×3卷积后进行4倍上采样，得到分割结果； 步骤2，图像预处理：采用PASCALContext数据集作为语义分割数据集，在PASCALContext数据集基础上进行特征点检测处理，生成合成数据集用于自监督学习； 步骤3，训练图像关键语义特征检测模型得到最优权重；图像关键语义特征检测模型分为两个独立的训练过程，在PASCALContext数据集上训练并评估语义分割模型；特征点检测与生成描述子模型在合成数据集上训练，在HPatches数据集上评估；使用Adam自适应学习率算法训练模型，在每轮训练周期中，通过前向传播计算模型输出，随后通过反向传播更新网络权重；在每个周期结束后，评估模型在验证集上的性能，并记录损失和准确率指标； 步骤4，神经网络模型加载最优权重对图像进行关键语义特征点检测； 所述DWF模块处理流程为：高级特征图通过3×3卷积后利用双线性插值上采样分别在水平方向和垂直方向上进行线性插值；上采样后的特征图与中级特征图通过相乘的方式进行特征融合；对融合特征图进行3×3卷积，然后使用ReLU激活函数对卷积层的输出进行非线性变换；变换后的融合特征通过1×1卷积调整通道后利用softmax函数生成两个权重掩码，分别表示高级特征与中级特征在融合特征中的重要性；将对应的权重掩码映射到原特征中得到加权特征，最终通过相加的方式融合加权特征；加权特征通过1×1卷积调整通道后输出特征图； 中级特征图与低级特征图、高级特征图与低级特征图的DWF模块处理同理。

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北大学，其通讯地址为：030051 山西省太原市学院路3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。