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！

龙图腾网获悉南京航空航天大学申请的专利一种基于循环生成对抗网络与兴趣域增强的雾天图像车辆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：CN119672651B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411820387.5，技术领域涉及：G06V20/54；该发明授权一种基于循环生成对抗网络与兴趣域增强的雾天图像车辆检测方法是由陈垂斌;徐帆;张小飞设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于循环生成对抗网络与兴趣域增强的雾天图像车辆检测方法在说明书摘要公布了：本发明公开了一种基于循环生成对抗网络与兴趣域增强的雾天图像车辆检测方法，包括：获取雾天条件下的道路车辆图像，通过循环生成对抗网络将雾天图像转换为无雾图像；构建特征提取网络提取无雾图像的特征图，通过区域生成网络生成候选框，并通过聚类算法对候选框进行处理，得到聚类后的矩形框并生成感兴趣区域的掩码图；构建掩码特征提取网络，提取感兴趣区域掩码图的特征；构建特征融合模块拼接融合上述特征图；构建包含不确定性最小化查询选择、轻量级解码器及预测网络的检测架构实现目标检测与分类。本发明可以提升图像质量和可视性，通过目标检测和聚类算法生成感兴趣区域掩码图，有效关注图像特定区域使得检测精度更高。

本发明授权一种基于循环生成对抗网络与兴趣域增强的雾天图像车辆检测方法在权利要求书中公布了：1.一种基于循环生成对抗网络与兴趣域增强的雾天图像车辆检测方法，其特征在于，所述方法包括： S1，获取雾天条件下的道路车辆图像，并通过图像风格转换，得到无雾的道路车辆图像； S2，构建特征提取网络提取无雾的道路车辆图像的深度特征，将得到的多个不同尺寸的无雾图像特征图输入区域生成网络以生成不同大小和位置的候选框，通过聚类算法对候选框进行处理，得到聚类后的矩形框并生成感兴趣区域的掩码图； S3，构建掩码图特征提取网络，对感兴趣区域的掩码图进行降采样，得到与无雾图像特征图尺寸相对应的掩码图像特征图； S4，构建特征融合模块，对提取出的无雾图像特征图和掩码图像特征图进行相同尺度内与不同尺度间的特征拼接融合； S5，构建不确定性最小化查询选择方法，通过对目标检测模型生成的查询结果进行筛选，选取不确定性最小的查询结果；采用轻量级解码器对步骤S4的融合特征进行多层次解码处理，将解码结果输入基于预测网络构建的目标检测模型以生成最终的检测输出，包括目标类别和边界框信息； 步骤S2进一步包括： 基于CSPDarknet53网络构建特征提取网络，对无雾的道路车辆图像进行特征提取，输出多种不同大小的图像特征图； 将所提取出的特征图输入区域生成网络生成不同大小和位置的候选框，再采用下述公式通过聚类算法对候选框进行聚类： boxnew＝box+mbox 其中box＝xcenter,ycenter,w,h表示候选框的中心坐标、宽度及高度；boxj表示第j个候选框；Kboxj-box为核函数，用于计算box和boxj间的权重；r为带宽参数，控制核函数的感知范围和邻域大小；mbox为均值漂移向量，表示框box向密度中心的偏移；Nbox表示当前框box的邻域候选框集合；boxnew为更新后的候选框位置；矩形框的左上角及右下角坐标为： 其中，left_top为矩形框左上角的坐标；right_bottom为矩形框右下角的坐标；min·为取最小值操作，max·为取最大值操作；boxj1表示候选框中心的x轴坐标xcenter；boxj2表示候选框中心的y轴坐标ycenter； 经过聚类之后将矩形框作为感兴趣区域设计相应的掩码图； 步骤S4进一步包括： 对于图像特征图和掩码特征图利用尺度间特征融合模块进行拼接融合，其融合操作如下所示： 其中，ISFM·表示进行尺度间特征融合；Concat·表示拼接操作符；M3、和M1分别表示三种尺度内特征融合模块的融合特征，表示为： 其中，为IFM的融合特征；CBS1·表示进行卷积核为1的卷积操作、批标准化操作及激活函数操作；CBS3·表示进行卷积核为3的卷积操作、批标准化操作及激活函数操作；UP·表示进行上采样操作；IFM·表示进行尺度内特征融合，其操作如下所示： 其中，Flatten·表示展平操作，Conv·表示卷积操作，RepB·表示由三组重参数卷积组成的模块操作。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。