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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于动态权重与分层级查询选择策略的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：CN121482373B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202610013653.6，技术领域涉及：G06V10/25；该发明授权一种基于动态权重与分层级查询选择策略的目标检测方法是由张旻;章涵涛;姜明设计研发完成，并于2026-01-07向国家知识产权局提交的专利申请。

本一种基于动态权重与分层级查询选择策略的目标检测方法在说明书摘要公布了：本发明公开了一种基于动态权重与分层级查询选择策略的目标检测方法，提取多尺度特征图，然后获得特征图的形状和掩码信息；对多尺度特征图进行卷积、展平和维度重排操作，结合位置编码输入Transformer编码器，得到增强后的图像特征序列及其掩码；对图像特征序列优化并通过分类头和检测头进行初步预测，得到类别分数和位置信息，并生成全局掩码；计算每层特征图的动态权重；根据动态权重分配每层特征图的查询数量；自顶向下逐层选择本地查询和上层投影查询；将所选查询作为内容查询生成参考点和位置嵌入向量；输出最终目标检测结果。该方法在对每层中特征图中被选取的高质量查询进行向下投影，从而提高目标检测的准确性。

本发明授权一种基于动态权重与分层级查询选择策略的目标检测方法在权利要求书中公布了：1.一种基于动态权重与分层级查询选择策略的目标检测方法，其特征在于，包括如下步骤： 步骤1、对输入图像进行预处理，并通过骨干网络提取多尺度特征图，从而获得每层特征图的图片特征张量、形状和掩码信息； 步骤2、对所述多尺度特征图的图片特征张量进行卷积、展平和维度重排操作，结合位置编码输入Transformer编码器，得到增强后的图像特征序列及其掩码； 步骤3、对所述图像特征序列优化并通过分类头和检测头进行初步预测，得到类别分数和位置信息，并通过非极大值抑制处理生成全局掩码； 所述图像特征序列优化方法为： 依次遍历每个特征图，创建了一个二维网格坐标系，覆盖当前层级特征图的每个像素位置，将这些坐标轴合并成一个形状为H，W，2的张量，表示每个像素的坐标，其中H，W表示特征图的高度和宽度，根据得到的掩码计算出每张图像在当前层的有效宽高，并以此作为缩放因子，从而将网格坐标归一化到有效区域，归一化到有效区域的网格坐标的值所在的目标框的宽高基于层级索引进行缩放，然后将缩放后的网格坐标和网格坐标值所在的目标框的宽高拼接，得到一个形状为N，H*W，4的张量，每四个元素组成一个由中心坐标x轴表示，y轴表示以及宽高组成的四元组，每个四元组代表一个候选提案，根据每个提案值是否都位于预设阈值之间，筛选出有效的预测提案，最后对筛选后的提案执行对数变换，该变换将坐标从[0,1]空间映射到实数空间，得到初始提案结果； 最后，根据得到的掩码将初始提案结果中的无效提案值置为空值，对图像特征序中的无效区域填充为0，得到新的特征序列； 步骤4、基于所述特征图的形状、图像特征序列、类别分数和全局掩码，计算每层特征图的动态权重； 步骤5、根据所述动态权重分配每层特征图的查询数量，其中每层查询包括本地查询和上层投影查询两部分； 步骤6、自顶向下逐层选择本地查询和上层投影查询，其中上层投影查询通过将上一层已选查询投影至当前层特征图得到； 所述上层投影查询的生成包括： 获取上一层已选查询的中心坐标； 根据相邻层特征图的宽高比例计算缩放因子，将中心坐标投影至当前层； 在当前层特征图中找到投影坐标最近的2×2邻域特征点； 根据掩码和类别分数选择有效特征点作为上层投影查询； 步骤7、将所选查询作为内容查询，结合其对应位置信息生成参考点和位置嵌入向量； 步骤8、将内容查询、参考点及位置嵌入向量输入Transformer解码器，经分类头和检测头输出最终目标检测结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。