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！

龙图腾网获悉重庆理工大学申请的专利一种用于无监督域自适应目标检测的高效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：CN119992044B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411953308.8，技术领域涉及：G06V10/25；该发明授权一种用于无监督域自适应目标检测的高效方法是由肖汉光;周亭亭;吕闪闪;李金兰;熊世栋设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种用于无监督域自适应目标检测的高效方法在说明书摘要公布了：本发明公开了一种用于无监督域自适应目标检测的高效方法，涉及图像处理技术领域。本发明通过设计了一个领域查询模块，通过对编码器输出的特征进行对抗性对齐，使检测器能够提取更多域不变特征，此外，提出了一个类别原型对齐模块，能够从解码器中提取每个类别的类别原型特征，实现类别可知的跨域特征对齐，在每次训练迭代中，局部类别原型逐渐生成全局类别原型，通过对比学习和对抗损失引导检测器实现全局特征对齐，大量实验结果表明，所提出的模型在多个域适应基准数据集上实现了卓越的检测性能。

本发明授权一种用于无监督域自适应目标检测的高效方法在权利要求书中公布了：1.一种用于无监督域自适应目标检测的高效方法，其特征在于：至少包括以下步骤： S1：设计领域查询模块，在对抗性损失约束下，使模型聚焦特定领域的图像特征，使得检测器能提取更多域不变特征，通过对抗训练实现域自适应目标检测； S2：设计类别原型对齐模块，所述类别原型对齐模块专注于对齐来自不同领域的相同类别物体的实例特征，在每次模型迭代中，小批量类别原型特征会不断更新，将这些局部类别原型特征存储，以逐步生成代表整个数据集的类别原型特征；同时，通过对比学习，使得相同类别的特征表示更为紧密，而不同类别的特征表示更为远离，有效提升了模型在不同领域识别各物体的类间区分能力； S3：设计数据集级类别原型对齐策略，充分利用整个数据集的信息，以提高特征的全局表示能力和类别间的区分度，提升模型在全局特征层面获取上下文信息的能力； S4：基于领域查询模块、类别原型对齐模块和数据集级类别原型对齐策略搭建UDA-DATR模型； UDA-DATR模型的框架结构中，对于输入的图像数据，首先经过主干网络处理，得到对应的特征图，代表通道数，代表高度，代表宽度，之后将特征图展平成，表示token数量，并将其输入进编码器以获得更高维度的语义信息，接着，解码器由设定的个对象查询进行目标检测，最终得到监督检测损失，此外，在主干网络部分进行了与类别无关的图像级特征对齐，得到对抗性损失，在编码器部分嵌入了领域查询模块进行了token-wise级别多尺度特征对齐得到对抗性损失，在解码器部分，进行设计了类别原型特征对齐并结合对比学习，获得对抗性损失和对比损失； S5：将UDA-DETR模型的总损失函数通过综合一项监督检测损失、三项对抗性损失和一项对比损失来优化，优化的目的为提升目标域上的检测性能，进而缓解域偏移问题； S6：通过优化后的UDA-DETR模型进行目标检测。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。