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！

龙图腾网获悉南京理工大学申请的专利一种基于梯度和模糊监督的边缘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：CN116452624B 。

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：202310384359.2，技术领域涉及：G06T7/13；该发明授权一种基于梯度和模糊监督的边缘检测方法是由代龙泉;束家琪设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本一种基于梯度和模糊监督的边缘检测方法在说明书摘要公布了：本发明公开了一种基于梯度和模糊监督的边缘检测方法，针对现有边缘检测方法在模型训练阶段对监督信号利用不准确不充分的问题，提出了一种梯度与模糊化监督的训练策略。在训练阶段通过梯度监督实现对监督信号更充分的利用，通过模糊化监督信号对模型不同阶段的输出实现更合理的监督。实验证明梯度约束有利于模型召回率的提升，而模糊化监督有利于模型准确率的提升。本发明提出的基于梯度和模糊监督的边缘检测方法，能够更加充分与合理地利用模型监督信号，在不增加边缘检测模型参数量与推理速度的情况下，提升边缘检测模型在准确率和召回率的综合性表现。

本发明授权一种基于梯度和模糊监督的边缘检测方法在权利要求书中公布了：1.一种基于梯度和模糊监督的边缘检测方法，其特征在于，步骤如下： 步骤1、选择BSDS500数据集，BSDS500数据集包括训练集、验证集和测试集，将训练集和验证集的原始图像分别进行数据增强，得到增强图像，对增强图像进行归一化构建模型训练集，并将模型训练集中的增强图像作为边缘检测模型的输入图像； 同时，由于BSDS500数据集中每张原始图像对应多张边缘标注图像，在模型训练集的构建过程中将多张边缘标注图像以求和取均值的方式进行融合获得原始图像对应的标注图像； 转入步骤2； 步骤2、构造类HED结构的边缘检测模型，类HED结构的边缘检测模型包括主干网络和四个分支网络；转入步骤3； 步骤3、构造类HED结构的边缘检测模型的损失函数，损失函数包括基础损失函数、梯度损失函数、模糊监督标签和整体损失函数，转入步骤4； 步骤4、基于类HED结构的边缘检测模型和上述边缘检测模型的损失函数，结合模型训练集，对边缘检测模型进行训练，得到训练好的边缘检测模型，转入步骤5； 步骤5、选择公开的BSDS500数据集中的测试集，通过归一化处理构成测试样本集，用以评估边缘检测模型预测的准确率Pre和召回率Rec，并获得测试集对应的边缘预测图像。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。