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！

龙图腾网获悉厦门大学申请的专利基于图像低级外观信息和高级语义信息结合的候选区域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：CN115984649B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202310016366.7，技术领域涉及：G06V10/774；该发明授权基于图像低级外观信息和高级语义信息结合的候选区域生成方法是由林贤明;席山涵;纪荣嵘设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于图像低级外观信息和高级语义信息结合的候选区域生成方法在说明书摘要公布了：基于图像低级外观信息和高级语义信息结合的候选区域生成方法，涉及无监督情况下开放类别候选区域的生成。1采用候选区域生成器对图像进行初始的候选区域生成；2利用基于对比的文本‑图像预训练模型对初始候选区域进行视觉特征的提取、对数据集的类别名称进行文本特征的提取，计算二者之间的余弦相似度和相似熵；3对初始候选区域进行超像素分割，计算候选区域对应的超像素跨越分数；4结合初始分数、相似熵和超像素跨越分数选择候选区域作为伪标签，以超像素跨越分数和余弦相似度为损失函数的权重，对候选区域中的正样本框进行坐标回归的训练，得到更高质量的候选区域。即插即用，提高生成的候选区域的精确率，具有良好的泛化性。

本发明授权基于图像低级外观信息和高级语义信息结合的候选区域生成方法在权利要求书中公布了：1.基于图像低级外观信息和高级语义信息结合的候选区域生成方法，其特征在于包括以下步骤： 1采用候选区域生成器对输入图像进行初始的候选区域生成； 2将步骤1在字典中存好的初始候选区域送入CLIP，利用CLIP对初始候选区域进行视觉特征的提取，以及对COCO数据集的类别名称进行文本特征的提取，计算视觉特征、文本特征二者之间的余弦相似度和相似熵； 3对初始候选区域进行超像素分割，计算候选区域对应的超像素跨越分数，具体步骤为： 1对和步骤1相同的输入图像进行超像素分割； 2计算步骤1在字典中存好的初始候选区域对应的超像素跨越分数，超像素跨越分数SSO,θss的计算方式为： 其中，O代表一个候选区域，θss代表超像素分割的尺度，Sθss代表一张图像分割后的超像素集合；对于每个超像素s来说，需要计算这个超像素中的像素位于候选区域内部的数目|s∩O|，以及位于候选区域外部的数目|s\O|，两者的最小值决定这个候选区域O被这个超像素s跨越的程度；而被所有超像素跨越程度的累加和就表明这个候选区域O被跨越的整体严重程度，被超像素跨越的情况越严重，这个候选区域包含的对象就越不完整，超像素跨越分数就越低，若一个候选区域恰好包含一个完整的对象，没有多余的超像素部分，那么它的SS分数是接近于1的，通过SS分数，引入图像的低级外观信息，这也是图像的颜色、纹理知识的一种特征表现； 3将每个初始候选区域的超像素跨越分数存入到步骤1得到的字典中； 4结合初始分数、相似熵和超像素跨越分数选择候选区域作为伪标签，以超像素跨越分数和余弦相似度为损失函数的权重，对候选区域进行坐标回归的训练，得到更高质量的候选区域； 所述得到更高质量的候选区域的具体步骤为： 1挑选拥有前20％高初始分数的候选区域、拥有前5％低相似熵的候选区域、拥有前5％高超像素跨越分数的候选区域； 2对这三类挑选出的候选区域取交集，将交集候选区域作为伪标签，若是交集为空，则选取初试分数最高的候选区域作为伪标签； 3将每个候选区域对应的超像素跨越分数和视觉特征、文本特征间的余弦相似度作为训练坐标回归部分的损失函数的权重；在训练用来坐标回归的三层MLP时用到的权重wn和损失函数Lbox如下： 其中，α是人工设置的系数，On是坐标回归时预测的候选区域，Yn是被选出的伪标签，SS是候选区域的超像素跨越分数，Sim是CLIP提取的文本特征和视觉特征之间的余弦相似度，Opos是正样本框；用这样的损失函数惩罚每个正样本框的回归值，权重越高的候选区域惩罚力度越大，使得坐标回归部分对正样本框生成的坐标修正值更加准确； 4对候选区域进行坐标回归的训练，得到更高质量的候选区域。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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。