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！

龙图腾网获悉南京信息工程大学申请的专利一种基于频域全局滤波的无监督视频目标分割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：CN116071748B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310059898.9，技术领域涉及：G06V20/70；该发明授权一种基于频域全局滤波的无监督视频目标分割方法是由王玉琛;宋慧慧设计研发完成，并于2023-01-20向国家知识产权局提交的专利申请。

本一种基于频域全局滤波的无监督视频目标分割方法在说明书摘要公布了：本发明公开了一种基于频域全局滤波的无监督视频目标分割方法。基于视频帧及其对应的光流估计图像；通过双流CNN骨干网络分别提取外观特征与运动特征；通过频域全局滤波模块，将每组外观特征与运动特征进行融合并通过快速傅里叶变换，由空间域转换到频域，在频域中经过可学习的权重矩阵捕获全局依赖关系，再通过快速傅里叶逆变换转换回空间域，实现对特征全局依赖关系的捕获；再将特征进行多尺度的特征提取；然后将低分辨率特征不断上采样恢复至高分辨率并与高分辨率特征拼接，最终输出分割完成的视频目标掩模。本发明的无监督视频目标分割方法在干扰目标多样、背景杂乱的场景中依旧能显著地提高分割结果的准确性和鲁棒性，并且保持较低的计算量。

本发明授权一种基于频域全局滤波的无监督视频目标分割方法在权利要求书中公布了：1.一种基于频域全局滤波的无监督视频目标分割方法，其特征在于：针对包含目标对象的视频，执行以下步骤，获得分割出目标对象的视频目标掩模： 步骤1：针对包含目标对象的视频，获得视频包括的各视频图像帧；并基于对视频中目标对象的分割标注，获得每个视频图像帧对应的光流估计图像； 步骤2：针对各视频图像帧、以及每个视频图像帧对应的光流估计图像，利用预训练的以视频图像帧、以及该视频图像帧对应的光流估计图像为输入，以该视频图像帧对应的分割出目标对象的图像目标掩模为输出的无监督视频目标分割模型，获得各视频图像帧分别对应的分割出目标对象的图像目标掩模，进而获得分割出目标对象的视频目标掩模； 其中，无监督视频目标分割模型包括双流CNN骨干网络模块、频域全局滤波模块、多尺度特征提取模块、残差优化模块、上采样解码模块，频域全局滤波模块分别针对双流CNN骨干网络模块输出的各阶段的外观特征和动作特征，具体执行以下过程，获得各阶段分别对应的第一特征： 步骤A1：针对双流CNN骨干网络模块输出的第k阶段的外观特征Ak与运动特征Mk进行特征提取，经过1×1卷积和激活函数模块对外观特征Ak与运动特征Mk得到特征Ak′与Mk′，具体公式为： Ak′＝σconvAk， Mk′＝σconvMk， 其中，表示激活函数，conv表示1×1卷积，Ak′表示外观特征Ak对应的特征提取后的特征，Mk′表示运动特征Mk对应的特征提取后的特征； 步骤A2：基于第k阶段的外观特征Ak与运动特征Mk进行特征提取获得的特征Ak′、Mk′，通过以下公式将特征Ak′与Mk′融合，获得第k阶段的融合特征Fk： 其中，为点乘操作，max为最大池化操作，concat为拼接操作 步骤A3：基于快速傅里叶变换，将第k阶段的融合特征Fk转换成频域特征，将频域特征与其对应的可学习的权重矩阵Xk点乘获得频域全局增强的特征，再通过快速傅里叶逆变换将频域全局增强的特征转换成空间特征，将空间特征与第k阶段的融合特征Fk进行点乘，获得该阶段对应的第一特征Fk′，具体公式为： 其中，为点乘操作，FFT为快速傅里叶变换，iFFT为快速傅里叶逆变换，Xk为可学习的权重矩阵。

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信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。