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！

龙图腾网获悉扬州大学申请的专利一种基于人机交互的目标分子观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：CN114973242B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210492966.6，技术领域涉及：G06V20/69；该发明授权一种基于人机交互的目标分子观测方法是由张新峰;殷文斌设计研发完成，并于2022-05-07向国家知识产权局提交的专利申请。

本一种基于人机交互的目标分子观测方法在说明书摘要公布了：本发明公开了一种基于人机交互的目标分子观测方法。该方法首先利用深度神经网络对输入的图片处理，得到图像的深度特征；使用者用鼠标与系统进行交互，系统即可理解其意图；之后以用户框选的目标特征作为目标模板，在深度特征层进行相似度匹配，找出相似度较高的区域后映射回原图像，得到同类目标；对于动态影像，还可以对所得到的同类目标进行跟踪，观测其动态变化。本发明的优势在于其对特定物质的检测不需要对该物质专门进行训练，即仅针对A数据集训练的模型可以对B、C、D等其他目标的检测也能起到很好的检测效果；此外，在检测出同类目标后还能对这些目标进行跟踪，得到该类物质在一段时间内的详细动态变化信息。

本发明授权一种基于人机交互的目标分子观测方法在权利要求书中公布了：1.一种基于人机交互的目标分子观测方法，其特征在于，包括： 利用训练好的U－Net深度神经网络处理输入的图像I，截取其某一上采样层得到的结果矩阵作为深度特征矩阵F； 所述U－Net深度神经网络的训练方法包括：将特定的目标分子数据集作为训练集，该训练集包括目标原图像和标注好的目标掩码的图像，按照8：2分别用于模型的训练和验证，选择Adam算法进行端到端的训练，学习率设置为0.001，采用二元交叉熵作为损失函数，Batch－size为8，Epoch为50，以验证集取得最大的Dice系数作为最终模型； 用户在图像I中框选出感兴趣的目标，在图像的特征矩阵F中找到其对应的特征块作为模板； 所述图像I的大小为n×n，特征矩阵F的大小为c×m×m，其中，c为特征矩阵的通道数，m为特征矩阵的宽和高； 通过滑动窗口的方式在整个图的特征矩阵F中逐个计算每一部分的相似度，若相似度大于设定的阈值就认为是同类目标，具体的，利用目标分子的特征矩阵FB在整个分子影像的特征矩阵F中按照从左到右，从上到下的顺序进行滑动匹配，水平方向和垂直方向移动的步长分别为sh和sv，其中，sh∈0,4]，sv∈0,4]，sh和sv均为整数； 设特征矩阵F中与目标分子的特征矩阵FB对应的特征块为FBk，其中k表示移动次数，设FBk的左上角坐标为pk,qk； 所述计算每一部分的相似度包括，首先进行规范化处理，计算如下： 和其中，||FB||和||FBk||分别表示FB和FBk的一范数，然后利用余弦距离计算FB'和FBk' 变形成一维向量的相似度Similarity，计算如下： 如果相似度Similarity大于阈值θ，则该特征块对应着是与目标分子同类的分子，否则移动到下一个位置进行计算，直到遍历完整个特征层，其中阈值θ可以根据用户的需要进行可视化的调节； 将同类目标的坐标从特征空间转换回图像上的坐标，并利用非极大值抑制的方法去除重叠框，得到同类目标； 将对应着与目标分子同类分子的特征块映射到分子影像中形成候选区域，左上角坐标为ik,jk，宽和高为wF,hF； 表示如下： 利用非极大值抑制的方法从多个候选区域中挑选出与目标分子特征矩阵FB最相似的候选区域作为一个与目标分子同类的分子，从而得到最终的多个准确目标； 在动态影像中，对得到的同类目标进行动态跟踪。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。