Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆邮电大学伍丽琳获国家专利权

重庆邮电大学伍丽琳获国家专利权

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!

龙图腾网获悉重庆邮电大学申请的专利一种基于类别特征引导的双模态小目标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:CN119863690B

龙图腾网通过国家知识产权局官网在2025-11-18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:202411919932.6,技术领域涉及:G06V20/00;该发明授权一种基于类别特征引导的双模态小目标检测方法是由伍丽琳;高陈强;刘芳岑设计研发完成,并于2024-12-25向国家知识产权局提交的专利申请。

一种基于类别特征引导的双模态小目标检测方法在说明书摘要公布了:本发明涉及一种基于类别特征引导的双模态小目标检测方法,包括:在红外图像和可见光图像中分别裁切类别标注框对应的区域得到对应的红外类别目标区域图和可见光类别目标区域图;对红外类别目标区域图进行特征提取得到红外目标特征,基于所有类别的红外目标特征构建红外类别特征集合,对可见光类别目标区域图进行特征提取得到可见光目标特征,基于所有类别的可见光目标特征构建可见光类别特征集合;构建目标检测模型;将红外‑可见光图像对输入目标检测模型,通过红外类别特征集合和可见光类别特征集合引导模型学习小目标特征,对目标检测模型的参数进行优化,得到训练好的目标检测模型。本发明有效提升了复杂环境下小目标的检测精度和鲁棒性。

本发明授权一种基于类别特征引导的双模态小目标检测方法在权利要求书中公布了:1.一种基于类别特征引导的双模态小目标检测方法,利用训练好的目标检测模型对红外-可见光图像对进行目标检测,得到目标检测结果,其特征在于,所述目标检测模型的训练过程包括: S1:根据红外-可见光图像对的标注信息中的类别标注框,在红外图像和可见光图像中分别裁切类别标注框对应的区域得到对应的红外类别目标区域图和可见光类别目标区域图; S2:通过InfMAE模型对红外类别目标区域图进行特征提取得到红外目标特征,基于所有类别的红外目标特征构建红外类别特征集合,通过McMAE模型对可见光类别目标区域图进行特征提取得到可见光目标特征,基于所有类别的可见光目标特征构建可见光类别特征集合; S3:构建目标检测模型,其中,所述目标检测模型包括:红外多尺度特征提取模块、可见光多尺度特征提取模块、红外类别特征引导模块、可见光类别特征引导模块、特征融合模块和特征预测模块; 所述红外多尺度特征提取模块用于对红外图像进行多尺度特征提取得到红外图像的多尺度特征;所述可见光多尺度特征提取模块用于对可见光图像进行多尺度特征提取得到可见光图像的多尺度特征;所述红外类别特征引导模块用于根据红外类别特征集合对红外图像的多尺度特征进行交叉注意力加强得到红外图像的多尺度增强特征;所述可见光类别特征引导模块用于根据可见光类别特征集合对可见光图像的多尺度特征进行交叉注意力加强得到可见光图像的多尺度增强特征;所述特征融合模块用于融合红外图像的多尺度增强特征和可见光图像的多尺度增强特征得到多尺度加权融合特征;所述特征预测模块用于根据多尺度加权融合特征输出目标检测结果; S4:将红外-可见光图像对输入目标检测模型,通过红外类别特征集合和可见光类别特征集合引导模型学习小目标特征,根据目标检测模型的预测结果和标注信息构建损失函数对目标检测模型的参数进行优化,得到训练好的目标检测模型。

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邮电大学,其通讯地址为:400065 重庆市南岸区南山街道崇文路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。