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！

龙图腾网获悉武汉工程大学申请的专利一种弱监督目标定位方法及装置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：CN116563517B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310383998.7，技术领域涉及：G06V10/22；该发明授权一种弱监督目标定位方法及装置是由马雷;许启航;洪汉玉;赵凡;罗心怡;刘红;时愈;王磊;朱映;张耀宗设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种弱监督目标定位方法及装置在说明书摘要公布了：本发明提供一种弱监督目标定位方法及装置，属于目标定位领域，方法包括：S1：导入原始图像数据集，并将原始图像数据集划分为图像训练集和图像测试集；S2：将图像训练集中的各个原始图像进行多个角度旋转，得到各个原始图像的多个旋转图像；S3：对图像训练集中各个原始图像以及各个原始图像的各个旋转图像进行多通道特征提取，得到图像训练集中各个原始图像的特征谱组以及各个旋转图像的特征谱组；S4:根据图像训练集中各个原始图像的特征谱组中预设层特征谱以及各个旋转图像的特征谱组中预设层特征谱进行旋转预测总损失函数的计算，得到旋转预测总损失函数。本发明能够通过挖掘细粒度目标的互补性以及一致性，提高了弱监督定位的精度。

本发明授权一种弱监督目标定位方法及装置在权利要求书中公布了：1.一种弱监督目标定位方法，其特征在于，包括如下步骤： S1：导入原始图像数据集，并将所述原始图像数据集划分为图像训练集和图像测试集; S2：将所述图像训练集中的各个原始图像进行多个角度旋转，得到各个原始图像的多个旋转图像； S3：对所述图像训练集中各个原始图像以及各个原始图像的各个旋转图像进行多通道特征提取，得到所述图像训练集中各个原始图像的特征谱组以及各个旋转图像的特征谱组； S4:根据所述图像训练集中各个原始图像的特征谱组中预设层特征谱以及各个旋转图像的特征谱组中预设层特征谱进行旋转预测总损失函数的计算，得到旋转预测总损失函数； S5：构建伪标签生成网络，根据所述旋转预测总损失函数、所述图像训练集中各个原始图像的特征谱组以及各个旋转图像的特征谱组对所述伪标签生成网络进行伪标签生成网络更新的分析，得到对比总损失函数以及所述图像训练集中各个原始图像的目标对象定位图和伪标签； S6：构建协同定位网络，根据所述对比总损失函数以及所述图像训练集中各个原始图像的目标对象定位图和伪标签对所述协同定位网络进行协同定位网络更新的分析，得到目标协同定位网络； S7：通过所述目标协同定位网络对所述图像测试集中的所有原始图像进行测试，得到目标定位结果； 所述S5的过程包括： S51：构建伪标签生成网络； S52：根据所述伪标签生成网络、所述图像训练集中各个原始图像的特征谱组以及各个旋转图像的特征谱组依次进行上采样分析、元素相乘融合、第一次全局平均池化处理以及注意力擦除的分析，对应得到所述图像训练集中各个原始图像的上采样特征谱组、原始定位谱、上采样特征向量和擦除后定位谱以及各个旋转图像的上采样特征谱组、原始定位谱、上采样特征向量和擦除后定位谱； S53：对所述图像训练集中各个原始图像的原始定位谱和擦除后定位谱以及各个旋转图像的原始定位谱和擦除后定位谱依次进行第二次全局平均池化以及第一次归一化处理，得到所述图像训练集中各个原始图像的原始定位谱归一化向量和擦除后定位谱归一化向量以及各个旋转图像的原始定位谱归一化向量和擦除后定位谱归一化向量； S54：导入与所述图像训练集中各个原始图像一一对应的地面真值类别标签，根据所述图像训练集中所有原始图像的上采样特征向量、原始定位谱归一化向量和擦除后定位谱归一化向量、各个旋转图像的上采样特征向量、原始定位谱归一化向量和擦除后定位谱归一化向量以及所有的地面真值类别标签计算损失函数，得到特征谱分类总损失函数和对比总损失函数； S55：根据所述图像训练集中各个原始图像的上采样特征向量、原始定位谱和擦除后定位谱、各个旋转图像的上采样特征向量、原始定位谱和擦除后定位谱以及所有原始图像所对应的地面真值类别标签进行辅助总损失函数的分析，得到辅助总损失函数、所述图像训练集中各个原始图像的目标对象定位图以及各个旋转图像的目标对象定位图； S56：根据所述图像训练集中所有原始图像的目标对象定位图、多个旋转图像的目标对象定位图以及所有原始图像所对应的地面真值类别标签进行定位谱分类总损失函数的分析，并根据损失函数分析后的结果、所述特征谱分类总损失函数、所述辅助总损失函数、所述旋转预测总损失函数以及所述对比总损失函数计算损失函数,并根据计算后的结果对所述伪标签生成网络进行参数更新，并根据参数更新后的结果对所述图像训练集中各个原始图像进行测试分析，得到所述图像训练集中各个原始图像的伪标签； 所述目标对象定位图包括多个目标对象定位图像素点，所述伪标签包括多个与所述目标对象定位图像素点对应的伪标签像素点； 所述S6的过程包括： 构建协同定位网络； 根据所述图像训练集中各个原始图像的所有目标对象定位图像素点和所有伪标签像素点进行损失函数计算，并将计算后的结果进行求和运算，得到分割总损失函数； 根据所述对比总损失函数和所述分割总损失函数进行损失函数计算，得到协同定位网络损失函数； 根据所述协同定位网络损失函数对所述协同定位网络进行参数更新，得到目标协同定位网络。

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武汉工程大学，其通讯地址为：430200 湖北省武汉市东湖新技术开发区光谷一路206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。