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！

龙图腾网获悉山东大学申请的专利基于记忆-边缘引导的弱监督视频显著性目标检测方法及系统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：CN120564108B 。

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：202511053022.9，技术领域涉及：G06V20/40；该发明授权基于记忆-边缘引导的弱监督视频显著性目标检测方法及系统是由徐明珠;郭冠洋;林晓晖;苗萍萍;于成龙;聂礼强设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本基于记忆-边缘引导的弱监督视频显著性目标检测方法及系统在说明书摘要公布了：本发明涉及基于记忆‑边缘引导的弱监督视频显著性目标检测方法及系统，属于目标检测技术领域。包括：将给定的长视频序列进行非重叠滑动窗口划分，提取到连续的若干个视频帧，若干个视频帧输入至训练后的记忆边缘引导网络模型实现弱监督视频显著性目标检测；输入至训练后的记忆边缘引导网络模型实现弱监督视频显著性目标检测；具体包括：对当前时间步的连续视频帧进行特征提取，获得不同尺度提取到的时空特征；利用从历史帧中挖掘到的显著性线索来增强当前帧中相关对象的语义表示，然后输入解码器进行解码，得到最终的显著性目标检测图。本发明实现了对视频中显著性目标的准确定位和精细分割。

本发明授权基于记忆-边缘引导的弱监督视频显著性目标检测方法及系统在权利要求书中公布了：1.一种基于记忆-边缘引导的弱监督视频显著性目标检测方法，其特征在于，包括： 将给定的长视频序列进行非重叠滑动窗口划分，提取到连续的若干个视频帧，若干个视频帧输入至训练后的记忆边缘引导网络模型实现弱监督视频显著性目标检测； 输入至训练后的记忆边缘引导网络模型实现弱监督视频显著性目标检测；具体包括： 对当前时间步的连续视频帧进行特征提取，获得不同尺度提取到的时空特征； 利用从历史帧中挖掘到的显著性线索来增强当前帧中相关对象的语义表示，然后输入解码器进行解码，得到最终的显著性目标检测图； 记忆边缘引导网络模型训练过程中，利用边缘拟合损失与显著物体的真实边界对齐，同时抑制背景边缘噪声的干扰； 记忆边缘引导网络模型包括多尺度编码器、多尺度记忆池模块、边缘引导的双分支解码器； 利用多尺度编码器对当前时间步的连续视频帧进行特征提取，获得不同尺度提取到的时空特征；具体步骤包括： 对给定的长视频序列用长度为4的非重叠滑动窗口进行划分，提取到连续的4个视频帧作为每次时间步的编码输入； 利用四阶段的VideoSwinTransformer网络模型捕获视频帧中的不同语义层次的信息，获得4个不同尺度的时空特征； 利用多尺度记忆池模块动态存储历史帧的时空特征，利用从历史帧中挖掘到的显著性线索来增强当前帧中相关对象的语义表示；具体步骤包括： 设计记忆池用于存储过去若干个历史帧中提取到的4个尺度的时空特征； 每个时间步的视频帧经过多尺度编码器提取特征后，进入记忆池，若记忆池已满，则替换掉最旧的历史帧，实现动态存储； 在每个尺度上对历史帧特征应用自注意力机制，获得并行的多尺度时空上下文信息； 利用四个尺度的多尺度时空上下文信息，通过并行多尺度交叉注意力引导与当前帧特征的深度融合，增强当前视频帧中显著对象的语义表示； 通过边缘引导的双分支解码器得到最终的显著性目标检测图；边缘引导的双分支解码器包括显著性预测分支和边缘增强分支；包括： 经过历史帧时空上下文信息引导增强表达后的输出特征分别输入解码器的两个分支进行解码； 利用边缘增强分支融合三个浅层视觉特征并与显著物体的真实边界对齐，同时抑制杂乱的背景边缘噪声； 利用显著性预测分支逐步对特征进行上采样和级联，并通过残差通道注意力机制获得初始显著性特征图； 将显著性预测分支和边缘增强分支得到的显著性特征进行融合，并通过残差通道注意力机制获得最终的显著性图。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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。