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！

龙图腾网获悉安徽理工大学申请的专利一种基于立体注意力的多尺度上下文与多层级特征交互的伪装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：CN116740479B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310743306.5，技术领域涉及：G06V10/77；该发明授权一种基于立体注意力的多尺度上下文与多层级特征交互的伪装目标检测方法是由夏晨星;陈欣雨;高修菊;葛斌;吴涛林;张梦格;高梦亚设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本一种基于立体注意力的多尺度上下文与多层级特征交互的伪装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立体注意力的多尺度上下文与多层级特征交互的伪装目标检测方法，包括主干网络、多尺度上下文探索模块MCE、多层级特征交互模块MFI以及立体注意力增强模块SAE。主干网络提取输入图像的多级特征fii＝1,2,3,4；多尺度上下文探索模块MCE通过多感受野卷积操作渐进式捕捉强相关的多尺度特征；多层级特征交互模块MFI通过混合交互策略自适应聚合多层级特征，以生成强大的特征表示；立体注意力增强模块SAE对聚合后的特征自适应分配权重，以过滤不重要信息。值得一提的是，本发明不仅提升了伪装目标检测方法性能，还在显著性目标检测领域取得了较大进展。

本发明授权一种基于立体注意力的多尺度上下文与多层级特征交互的伪装目标检测方法在权利要求书中公布了：1.一种基于立体注意力的多尺度上下文与多层级特征交互的伪装目标检测方法，其特征在于，包括以下步骤： 1通过主干网络Swin-Transformer对输入的显著性目标图像和伪装目标图像分别进行特征提取，得到初始特征fii＝1,2,3,4； 2通过多尺度上下文探索模块MCE对初始特征fii＝1,2,3,4进行特征增强，以捕捉强相关的多尺度特征Iii＝1,2,3,4； 2.1为充分增强主干网络提取出来的初始特征fii＝1,2,3,4，多尺度上下文探索模块MCE分为四个分支，逐步集成经由MCE处理后的多尺度特征； 2.2具体来说，初始特征fii＝1,2,3,4首先经过组数为4的组卷积处理，以减少通道数、提升计算效率，其中初始特征fii＝2,3,4与MCE上一个分支的特征相加之后再执行以下操作；然后，这些特征作为输入并行经过一个卷积核大小为1×1×128的卷积操作C和一个卷积核大小为1×2k+1,2k+1×1的非对称卷积操作A，这里k表示MCE的第k个分支；其中卷积操作C用于将初始特征重建为128个通道，非对称卷积用来提取上下文信息；卷积后的特征与输入特征逐元素相加增加特征多样性后，再经过填充率为2k的深度可分离卷积来进一步提取重要的多尺度上下文信息；与常规的卷积操作相比，深度可分离卷积的参数数量和运算成本更低； 2.3从上述描述可以看出，前一个分支使用小感受野提取的特征被输入到下一个大感受野分支作为指导，由此增强多尺度上下文之间的相关性；上述过程可以被公式化为： 其中，down表示降维运算，C表示卷积核大小为1×1的卷积运算，A表示卷积核大小为1×2k+1,2k+1×1的非对称卷积运算，∑是逐元素加法运算，Dk表示填充率为2k的深度可分离卷积； 2.4将MCE每个分支得到的Skk＝1,2,3,4级联起来，并与初始特征fii＝1,2,3,4分别相加，最终生成多尺度特征Iii＝1,2,3,4；上述过程可表示为： I＝∑donwf,downCatS1,…,Sk,k＝42 其中，down表示降维操作，∑表示逐元素加法运算，Cat表示级联操作； 3通过多层级特征交互模块MFI以混合交互策略自适应对多尺度特征Iii＝1,2,3,4进行聚合，以生成多层级特征yii＝1,2,3,4； 4通过立体注意力增强模块SAE对聚合后的多层级特征自适应分配权重，以过滤不重要信息、最终获得高质量的输出特征Oii＝1,2,3,4； 5对每个高质量的输出特征Oii＝1,2,3,4执行降维操作，以生成显著性预测图或伪装预测图，并用真值图进行监督。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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”。