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！

龙图腾网获悉厦门理工学院申请的专利一种细长柔性物体检测方法、终端设备及存储介质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：CN115272741B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202210496675.4，技术领域涉及：G06V10/764；该发明授权一种细长柔性物体检测方法、终端设备及存储介质是由苏鹭梅;陈鑫强;陈玮浩;李天友;吴家俊;黄志豪设计研发完成，并于2022-05-09向国家知识产权局提交的专利申请。

本一种细长柔性物体检测方法、终端设备及存储介质在说明书摘要公布了：本发明涉及一种细长柔性物体检测方法、终端设备及存储介质，该方法中包括：采集细长柔性物体图像并构建训练集；构建细长柔性物体检测模型，通过训练集对模型进行训练；输入图像通过特征提取网络得到有效特征层后，通过候选框生成网络生成候选框并进行归一化处理后得到归一化的候选框，通过多实例关系加权网络计算不同候选框内实例之间的关系特征，通过关系特征能够判断不同候选框内实例之间是否存在关系，边界框预测网络根据不同候选框内实例之间的关系特征预测得到边界框和边界框内物体的类别；通过训练后的模型对图像中的细长柔性物体进行检测。本发明可以应用于智能监控系统中有效识别细长柔性物体。

本发明授权一种细长柔性物体检测方法、终端设备及存储介质在权利要求书中公布了：1.一种细长柔性物体检测方法，其特征在于，包括以下步骤： S1：采集细长柔性物体图像并对其中的细长柔性物体进行标注，基于标注后的图像构建训练集； S2：构建细长柔性物体检测模型，通过训练集对模型进行训练； 模型包括特征提取网络、候选框生成网络、多实例关系加权网络和边界框预测网络； 输入图像通过特征提取网络得到有效特征层后，通过候选框生成网络生成候选框并进行归一化处理后得到归一化的候选框，通过多实例关系加权网络计算不同候选框内实例之间的关系特征，通过关系特征能够判断不同候选框内实例之间是否存在关系，边界框预测网络根据不同候选框内实例之间的关系特征预测得到边界框和边界框内物体的类别； S3：通过训练后的模型对图像中的细长柔性物体进行检测； 其中，多实例关系加权网络输出的每个实例的关系特征的计算公式为： 其中，fn表示第n个实例的关系特征，表示第n个实例的外观特征，Concat函数表示拼接，表示第Nr个多实例关系加权模块中的第n个实例的加权特性，Nr为超参数，表示多实例关系加权网络中接入的多实例关系加权模块的个数； 第n个实例的加权特性fRn的计算公式为： 其中，m和n分别表示多实例关系加权网络输入的实例集中的第m个实例和第n个实例，ωmn表示第m个实例与第n个实例的关系权重，表示第m个实例的外观特征，WV表示线性变换矩阵； 第m个实例与第n个实例的关系权重ωmn的计算公式为： 其中，表示第m个实例与第n个实例的几何权重，表示第m个实例与第n个实例的外观权重，exp表示以自然常数e为底的指数函数，k表示实例的序号，第k个实例与第n个实例的几何权重，表示第k个实例与第n个实例的外观权重； 第m个实例与第n个实例的外观权重的计算公式为： 其中，dot表示什么点积运算，表示第n个实例的外观特征，WK、WQ分别表示将和投影到低维空间的矩阵，dk表示投影后的特征维度； 第m个实例与第n个实例的几何权重的计算公式为： 其中，max表示求最大值，分别表示第m个实例和第n个实例的几何特征，εG函数表示将几何特征通过余弦和正弦函数嵌入到高维空间，WG表示将高维空间中的几何特征转换为标量的矩阵。

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厦门理工学院，其通讯地址为：361000 福建省厦门市集美区后溪镇理工路600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。