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！

龙图腾网获悉深圳市森歌数据技术有限公司申请的专利一种基于改进VAE与泊松融合的样本生成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：CN120236168B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510719760.6，技术领域涉及：G06V10/774；该发明授权一种基于改进VAE与泊松融合的样本生成方法是由周皓然;黎治华;叶绍泽;陈康;陆国锋;何丰江;毛少凯设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种基于改进VAE与泊松融合的样本生成方法在说明书摘要公布了：本发明公开了一种基于改进VAE与泊松融合的样本生成方法，属于图像数据处理技术领域，包括步骤：构造目标图像集D1、背景图像集D2、子图集D3；构造一YOLOv8s网络并用D3训练得到分类模型；用分类模型识别D3中包含目标的子图构成目标子图集D4；基于CAM技术对D4中每张子图生成对应的目标区域图，构成第一样本集R1，用R1预训练一变分自编码器得到生成模型，并用生成多张生成图像构成第二样本集R2，合并R1和R2得到目标样本集R；从R何D2中各任选一图像，用泊松融合方法融合。本发明能大大减少对标注数据的依赖，提高了模型的泛化能力和背景适应性，尤其在复杂背景下能够保持较高的图像生成质量。

本发明授权一种基于改进VAE与泊松融合的样本生成方法在权利要求书中公布了：1.一种基于改进VAE与泊松融合的样本生成方法，其特征在于，包括以下步骤： S1，构造目标图像集D1、背景图像集D2、子图集D3； 确定单一目标，获取N张包含目标的图像构成D1，N张不包含目标的图像构成D2，将D1中每张图像切割为数张子图，将所有子图构成D3； S2，构造一YOLOv8s网络并用D3训练得到分类模型，所述YOLOv8s网络包括骨干网络和分类头，所述骨干网络从子图中依次提取不同尺度的第一特征图~第五特征图，所述分类头基于第五特征图输出子图的类别概率； S3，用分类模型对D3中子图分类，将包含目标的子图构成目标子图集D4； S4，对D4中每张子图生成对应的目标区域图，构成第一样本集R1，其中，生成子图Is的目标区域图rs的方法包括步骤S41~S43； S41，将子图Is输入分类模型，获取其第五特征图A和类别概率pc，根据下式生成热力图Lc； ， ， 式中，Ak为对第五特征图A对应在通道k的特征图、为Ak的梯度全局平均值、为ReLU函数、Z为Ak中像素总数、pc为Is的类别概率、为Ak中第i行j列像素的特征值； S42，对热力图中每个像素生成掩码，得到掩码图Mc，Mc第i行j列像素的掩码Mci,j根据下式得到； ， 式中，Lci,j为Lc中第i行j列像素的特征值，θ1为掩码阈值； S43，根据公式，生成子图Is的目标区域图rs，其中为哈达玛积； S5，用R1预训练一变分自编码器得到生成模型，并用生成模型生成多张生成图像构成第二样本集R2，合并R1和R2得到目标样本集R； S6，从目标样本集R中任选一图像标记为IA，D2中任选一图像标记为IB，用泊松融合方法生成融合图像； 所述S5中变分自编码器为改进VAE，训练改进VAE得到生成模型包括步骤S51~S53； S51，获取一变分自编码器，包括编码器和解码器； 所述编码器参数为ϕ，用于将输入图像r映射为潜在空间的概率分布，并采样得到M1个潜在变量，其中第m个潜在变量为zm，1≤m≤M1，潜在变量的先验分布为pθz； 所述解码器参数为θ，用于将潜在变量映射回原数据空间生成重建图像； S52，修改变分自编码器的证据下界ELBO如下式，得到改进VAE； ， ， 式中，为重建误差，JSαqϕz|r||pθz为JS散度，M为qϕz|r和pθz的平均分布，KLqϕz|r||M为qϕz|r和M的KL散度，KLpθz||M为pθz与M的KL散度； S53，用R1以最大化ELBO训练改进VAE，得到生成模型。

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深圳市森歌数据技术有限公司，其通讯地址为：518001 广东省深圳市罗湖区东晓街道东晓社区太白路3008号悦彩城(北地块)写字楼1302；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”。