河南大学庞子龙获国家专利权
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！
龙图腾网获悉河南大学申请的专利基于自监督学习的X光图像异物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：CN115731400B 。
龙图腾网通过国家知识产权局官网在2025-12-30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：202211509961.6，技术领域涉及：G06V10/44；该发明授权基于自监督学习的X光图像异物检测方法是由庞子龙;甘志华;宋亚林;冯世杰;邓欣冉设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。
本基于自监督学习的X光图像异物检测方法在说明书摘要公布了：本发明提供一种基于自监督学习的X光图像异物检测方法。该方法包括：步骤1：构建基于结构重参数化的ConvMAE模型，记作RepConvMAE自监督模型，包括用于提取输入图像的多尺度特征图的Encoder和用于基于提取的多尺度特征图来重构图像的Decoder；步骤2：采用X光图像数据集对所述RepConvMAE自监督模型进行预训练；步骤3：构建检测模型EFFR‑CNN，由浅层至深层依次包括：骨干网络、FPN层、共享特征层、RPN层、ROIPooling层和全连接层；所述骨干网络采用预训练后的所述RepConvMAE自监督模型中的Encoder；步骤4：采用X光异物图像数据集训练所述检测模型EFFR‑CNN；步骤5：将待测X光图像输入至训练好的检测模型EFFR‑CNN，得到检测结果。
本发明授权基于自监督学习的X光图像异物检测方法在权利要求书中公布了：1.基于自监督学习的X光图像异物检测方法，其特征在于，包括： 步骤1：构建基于结构重参数化的ConvMAE模型，记作RepConvMAE自监督模型，包括用于提取输入图像的多尺度特征图的Encoder和用于基于提取的多尺度特征图来重构图像的Decoder； 步骤2：采用X光图像数据集对所述RepConvMAE自监督模型进行预训练； 步骤3：构建检测模型EFFR-CNN，由浅层至深层依次包括：骨干网络、FPN层、共享特征层、RPN层、ROIPooling层和全连接层；所述骨干网络采用预训练后的所述RepConvMAE自监督模型中的Encoder； 步骤4：采用X光异物图像数据集训练所述检测模型EFFR-CNN； 步骤5：将待测X光图像输入至训练好的检测模型EFFR-CNN，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河南大学，其通讯地址为：475001 河南省开封市顺河区明伦街85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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励