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！

龙图腾网获悉扬州大学申请的专利一种基于边界交替引导的伪装物体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：CN114220013B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202111549243.7，技术领域涉及：G06V20/10；该发明授权一种基于边界交替引导的伪装物体检测方法是由俞锦豪;陈舒涵;徐秀奇;陆露;陈泽宇设计研发完成，并于2021-12-17向国家知识产权局提交的专利申请。

本一种基于边界交替引导的伪装物体检测方法在说明书摘要公布了：本发明公开了一种基于边界交替引导的伪装物体检测方法包括：构建基于边界交替引导的伪装检测模型，增加初始定位模块提取骨干网络多尺度深层特征，得到伪装物体的粗略定位图；增加多尺度感受野模块扩大粗略定位图的感受野提升语义信息提取能力；增加边界交替引导模块逐层提取区域图和边界图并彼此进行约束细化得到精确的伪装物体预测图；本发明能够在相似背景下精确的定位到伪装物体，而且基于边界交替引导的结构能够利用边界约束得到更圆滑的伪装物体预测图，也能够利用预测图约束边界得到连续清晰的边界图，有效提高了伪装物体检测的精度。

本发明授权一种基于边界交替引导的伪装物体检测方法在权利要求书中公布了：1.一种基于边界交替引导的伪装物体检测方法，其特性在于，包括： 构建基于边界交替引导的伪装检测模型，在骨干网络的基础上，增加并使用初始定位模块提取骨干网络多尺度深层特征，得到伪装物体的粗略定位图； 增加并使用多尺度感受野模块扩大粗略定位图的感受野提升语义信息提取能力； 增加并使用边界交替引导模块逐层提取区域图和边界图并彼此进行约束细化得到精确的伪装物体预测图； 所述边界交替引导模块，包括： 在初始定位模块的第五层中，边界交替引导模块将定位图R5′进行1×1卷积将通道数统一为32后输入区域分支和边界分支，将先进行通道拼接后输入卷积层的操作设为Catmod公式表示为： Catmod·,·＝Conv3×3Cat·,· 其中，Cat·,·表示沿通道维度进行拼接；Conv3×3中卷积参数为{64，3×3}，卷积参数{n，k×k}中n表示卷积通道数，k表示卷积核大小； 在所述边界分支中，区域输入引导边界输入进行Catmod细化得到公式表示为： 在所述区域分支中，边界特征引导区域输入Catmod特征提取得到公式表示为： 在所述边界分支中，区域输入引导边界输入进行Catmod细化得到公式表示为： 在所述区域分支中，边界特征引导区域输入Catmod特征提取得到公式表示为： 最后将所述区域分支输出和所述边界分支输出进行卷积，输出得到预测区域图P5和预测边界图公式表示为： 其中，Conv3×3中卷积参数为{32，3×3}，卷积参数{n，k×k}中n表示卷积通道数，k表示卷积核大小； 在第四层中，将定位图R4进行1×1卷积将通道数统一为32后输入区域分支和边界分支，用所述预测区域图P5和所述预测边界图与第四层区域分支输入和第四层边界输入进行Catmod，公式表示为： 重复第五层其余步骤，得到每次进行Catmod后的区域特征和边界特征公式表示为： 其中，k表示Catmod操作次数； 将区域分支输出和边界分支输出进行卷积，输出得到预测区域图P4和预测边界图公式表示为： 其中，Conv3×3中卷积参数为{32，3×3}，卷积参数{n，k×k}中n表示卷积通道数，k表示卷积核大小； 在第二、三层中，重复所述第四层步骤得到更新后的预测区域图P2，P3和预测边界图 进行模型训练，将待检测图像输入所述伪装检测模型，采样至原始图像大小，构建损失函数计算各预测图和真实标注图的误差，并反向传播更新所述伪装检测模型； 进行模型检测，将待检测图像输入至更新后的伪装检测模型，预测其对应的伪装物体预测图，并输出最终伪装物体预测图。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。