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！

龙图腾网获悉湖南大学申请的专利级联检测分割结合双维特征匹配的零样本实例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：CN121708310B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610201251.9，技术领域涉及：G06V10/26；该发明授权级联检测分割结合双维特征匹配的零样本实例分割方法是由孙炜;曾志文;曾楷;戴桢琦设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本级联检测分割结合双维特征匹配的零样本实例分割方法在说明书摘要公布了：本发明涉及计算机视觉领域，公开了一种级联检测分割结合双维特征匹配的零样本实例分割方法。该方法包括：离线构建目标物体的双维度特征模板库；在线对场景图像执行三级级联推理：先进行开放词汇检测获得候选框，再利用通用分割模型获取纯净前景掩码，最后提取候选区域的双维度特征并与模板库进行混合匹配及多视角一致性校验，以识别并分割出目标实例。本发明在无需CAD模型与模型微调的严格零样本条件下，通过级联架构协同解决了效率与精度的矛盾，具备高精度、高鲁棒性与即插即用的优点。

本发明授权级联检测分割结合双维特征匹配的零样本实例分割方法在权利要求书中公布了：1.一种级联检测分割结合双维特征匹配的零样本实例分割方法，其特征在于，包括以下步骤： S1、离线构建特征模板库：获取目标物体的多张参考图像；提取各参考图像的全局语义特征向量和局部外观特征图；将提取的所有特征对进行存储，构成离线双维度特征模板库； S2、对输入的场景图像进行在线三级级联推理，包括： S21、第一级检测：将所述场景图像输入至开放词汇目标检测模型，得到包含多个潜在物体区域的边界框集合； S22、第二级分割：将第一级得到的每个边界框输入至通用实例分割模型，得到各候选物体对应的前景掩码；基于各前景掩码从所述场景图像中提取对应的前景区域图像； S23、第三级匹配与决策：对于每个候选物体，执行以下操作： S231、特征提取：从所述前景区域图像中提取在线全局语义特征向量和在线局部外观特征图； S232、混合匹配：将步骤S231提取的在线全局语义特征向量和在线局部外观特征图，分别与所述离线双维度特征模板库中对应的全局语义特征向量和局部外观特征图进行匹配计算，得到该候选物体相对于各参考模板的模板级综合匹配分数，具体包括： 计算所述在线全局语义特征向量与参考模板的全局语义特征向量之间的全局语义相似度； 计算所述在线局部外观特征图与参考模板的局部外观特征图之间的局部外观相似度，所述局部外观相似度通过对两者空间对应位置的特征向量进行相似度计算后，再进行全局最大值池化操作得到； 将所述全局语义相似度与所述局部外观相似度进行自适应加权融合，得到所述模板级综合匹配分数，其中，所述自适应加权融合中，全局语义相似度与局部外观相似度各自的权重，基于对应参考模板的全局语义特征向量与一通用语义向量之间的余弦距离、以及其局部外观特征图的方差动态计算获得； S233、物体级判定：基于各候选物体对应的多个模板级综合匹配分数，进行多视角一致性校验；将通过校验的候选物体确定为有效候选，并计算其最终匹配得分，多视角一致性校验具体为： 设定第一阈值； 统计候选物体的所有模板级综合匹配分数中超过所述第一阈值的数量； 若该数量超过基于参考模板总数设定的比例阈值，则判定该候选物体满足多视角一致性；否则，判定为无效候选并剔除； S234、目标决策：从所有有效候选中，选择最终匹配得分最高的候选物体作为目标实例；若其最终匹配得分超过预设阈值，则输出该目标实例对应的前景掩码作为实例分割结果。

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湖南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路1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。