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！

龙图腾网获悉南开大学申请的专利基于边缘语义融合和对比度特征聚合的船舶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：CN120198682B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510662317.X，技术领域涉及：G06V10/44；该发明授权基于边缘语义融合和对比度特征聚合的船舶检测方法是由张晓宇;宋子京;檀盼龙设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本基于边缘语义融合和对比度特征聚合的船舶检测方法在说明书摘要公布了：本发明涉及船舶检测技术领域，提供一种基于边缘语义融合和对比度特征聚合的船舶检测方法。该方法包括以下步骤：获取并预处理图像，获得预处理后的图像；基于基础模型建立船舶检测模型，所述船舶检测模型包括边缘语义融合主干网络、对比度驱动的特征聚合模块和动态融合头；设置训练参数，使用预处理后的图像对所述船舶检测模型进行训练，得到船舶检测训练模型；将需要检测的检测图像输入到船舶检测训练模型中，得到检测结果。本发明通过提出了一种融合边缘语义融合和对比度驱动的特征融合两个模块的新的框架，达到了增强了目标与背景的可分辨性，突出了本发明的跨模型泛化能力。

本发明授权基于边缘语义融合和对比度特征聚合的船舶检测方法在权利要求书中公布了：1.一种基于边缘语义融合和对比度特征聚合的船舶检测方法，其特征在于，包括以下步骤： S1：获取并预处理图像，获得预处理后的图像； S2：基于基础模型建立船舶检测模型，所述船舶检测模型包括边缘语义融合主干网络、对比度驱动的特征聚合模块和动态融合头；所述边缘语义融合主干网络包括基础特征提取器和多尺度边缘特征生成器，所述多尺度边缘特征生成器的工作流程为： S11：将输入图像数据进行卷积得到输入特征图； S12：对所述输入特征图进行边缘信息融合得到第一边缘信息特征； S13：对所述第一边缘信息特征进行边缘信息融合得到第二边缘信息特征； S14：对所述第二边缘信息特征进行边缘信息融合得到第三边缘信息特征； 所述边缘信息融合的工作流程为： S101：定义Sobel水平方向算子和Sobel垂直方向算子： 为矩阵的转置； S102：将输入的数据根据Sobel水平方向算子进行水平Sobel卷积得到水平Sobel结果； S103：将所述输入特征图根据Sobel垂直方向算子进行垂直Sobel卷积得到垂直Sobel结果； S104：将所述水平Sobel结果和垂直Sobel结果按位相乘得到边缘信息特征； 所述基础特征提取器的步骤为： S111：将所述输入特征图输入到C3k2模块进行特征提取得到第一C3k2结果，将所述第一C3k2结果与所述第一边缘信息特征进行边缘引导特征融合，得到第一特征图； S112：将所述第一特征图输入到C3k2模块进行特征提取得到第二C3k2结果，将所述第二C3k2结果与所述第二边缘信息特征进行边缘引导特征融合，得到第二特征图； S113：将所述第二特征图输入到C3k2模块进行特征提取得到第三C3k2结果，将所述第三C3k2结果与所述第三边缘信息特征进行边缘引导特征融合，得到第三特征图； 所述边缘引导特征融合流程为： S121：将输入的特征图进行池化得到第一池化结果； S122：将所述第一池化结果进行池化，再进行卷积，得到第二池化结果； S123：将所述第二池化结果进行池化，再进行卷积，得到第三池化结果； S124：将所述边缘特征、第一池化结果、第二池化结果、第三池化结果和C3k2结果按位相乘得到边缘引导中间值； S125：将所述边缘引导中间值进行卷积得到特征图； S3：设置训练参数，使用预处理后的图像对所述船舶检测模型进行训练，得到船舶检测训练模型； S4：将需要检测的检测图像输入到船舶检测训练模型中，得到检测结果。

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南开大学，其通讯地址为：300071 天津市南开区卫津路94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。