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！

龙图腾网获悉北京邮电大学申请的专利基于层级图交互和单元聚类的伪装目标检测方法和系统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：CN119206168B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411219639.9，技术领域涉及：G06V10/25；该发明授权基于层级图交互和单元聚类的伪装目标检测方法和系统是由尧思远;孙浩;蒋希伟设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本基于层级图交互和单元聚类的伪装目标检测方法和系统在说明书摘要公布了：本发明提供一种基于层级图交互和单元聚类的伪装目标检测方法和系统，该方法包括：获取待检测图像，将其通过单元划分和线性变换转化为设定数量的特征图单元，将所有特征图单元输入到多个连续的区域感知单元聚焦注意力模块，利用聚类算法基于自注意力机制的相似度去除冗余，对筛选后的特征图单元进行自注意力机制计算，输出第一层级特征图。将相邻区域感知单元聚焦注意力模块输出的第一层级特征图成对输入层级图交互自注意力模块，转换为图结构后进行层级特征交互，将交互后的图结构投影回原始空间输出第二层级特征图。将第二层级特征图输入置信度聚合特征融合解码器，细化歧义区域并融合所有第二层级特征图，输出伪装目标。本发明能提高检测精度。

本发明授权基于层级图交互和单元聚类的伪装目标检测方法和系统在权利要求书中公布了：1.一种基于层级图交互和单元聚类的伪装目标检测模型训练方法，其特征在于，所述方法包括如下步骤： 获取训练样本集，所述训练样本集包括多个样本图像，每个样本图像中包括一个或多个样本伪装目标，并标记所述样本伪装目标作为标签； 获取初始神经网络模型，所述初始神经网络模型包括多个连续的区域感知单元聚焦注意力模块、多个层级图交互自注意力模块和聚合特征融合解码器； 将样本图像转换为预设尺寸并进行归一化处理； 将处理后的所述样本图像通过单元划分和线性变换转化为设定数量的特征图单元，将所有特征图单元输入到多个连续的区域感知单元聚焦注意力模块；每个区域感知单元聚焦注意力模块利用聚类算法基于自注意力机制的相似度去除冗余的特征图单元，对聚类筛选后的特征图单元进行自注意力机制计算，输出每个区域感知单元聚焦注意力模块对应的第一层级特征图；其中，所述区域感知单元聚焦注意力模块利用线性投影矩阵将每个特征图单元投影为对应的查询单元、键单元和值单元；计算所述查询单元和所述键单元之间相似度；利用K近邻算法获取的每个特征图单元的多个相邻单元并计算局部密度以及该特征图单元与相邻单元之间的亲密度；基于每个特征图单元的所述局部密度与所述亲密度选取密度最高的多个聚类中心，基于其他特征图单元与所述聚类中心的距离对所有特征图单元进行分类，去除到所述聚类中心距离大于预设值的冗余的特征图单元；将聚类筛选后的特征图单元对应的键单元和值单元对进行串接，并对聚类筛选后的特征图单元进行自注意力机制计算，输出对应的第一层级特征图； 将相邻的区域感知单元聚焦注意力模块输出的所述第一层级特征图成对输入层级图交互自注意力模块；所述层级图交互自注意力模块将两个第一层级特征图向潜在空间进行投影得到两个对应的第一图结构，将两个第一图结构基于双向对齐矩阵进行层级特征交互，获得交互后对应的两个第二图结构；将所述第二图结构投影回到原始空间，输出第二层级特征图； 将所有第二层级特征图输入置信度聚合特征融合解码器，细化所述第二层级特征图中歧义区域并融合所有第二层级特征图，输出对所述样本伪装目标的预测结果； 采用所述训练样本集对所述初始神经网络模型进行训练，根据所述标签和所述预测结果构建损失对所述初始神经网络模型进行参数更新得到伪装目标检测模型。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。