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！

龙图腾网获悉广东烟草汕尾市有限公司申请的专利一种基于弱监督学习的图像识别检测方法及系统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：CN117058515B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310845346.0，技术领域涉及：G06V10/82；该发明授权一种基于弱监督学习的图像识别检测方法及系统是由张振华;杨舒敏;魏立聪;孙昕;曾新淼;龚向鸿;肖扬设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种基于弱监督学习的图像识别检测方法及系统在说明书摘要公布了：本发明涉及物体识别技术领域，公开了一种基于弱监督学习的图像识别检测方法及系统，包括以下步骤，S1、通过点注释、边缘检测器、自适应洪水填充算法生成待检测图像的初始伪标签；S2、构建基于视觉转换器的点监督显著目标检测模型；S3、对点监督显著目标检测模型进行第1轮训练，得到最终显著图；S4、抑制最终显著图的非显著性目标，对点监督显著目标检测模型进行第2轮训练，完成图像的识别。本发明解决了现有图像识别检测技术只能覆盖图像的一部分，无法忽略无效对象，导致效率低的问题，且具有监督能力强的特点。

本发明授权一种基于弱监督学习的图像识别检测方法及系统在权利要求书中公布了：1.一种基于弱监督学习的图像识别检测方法，其特征在于：包括以下步骤： S1、收集待检测图像；通过点注释、边缘检测器、自适应洪水填充算法生成待检测图像的初始伪标签； S2、构建一种基于视觉转换器的点监督显著目标检测模型；所述的点监督显著目标检测模型包括视觉转换器、边缘保持解码器；所述的视觉转换器包括编码器、卷积神经网络、ResNet-50网络；所述的边缘保持解码器包括显著性解码器、近似边缘检测器；所述的显著性解码器是四个级联的卷积层；所述近似边缘检测器用于生成缺乏结构和细节的弱标注边缘； S3、将待检测图像输入点监督显著目标检测模型，结合待检测图像的初始伪标签对点监督显著目标检测模型进行第1轮训练，得到最终显著图； S4、抑制最终显著图的非显著性目标，对点监督显著目标检测模型进行第2轮训练，优化最终显著图，完成图像的识别；所述抑制最终显著图的非显著性目标，具体为： S401、通过自适应洪水填充算法得到的显著目标区域： 其中，表示自适应洪水填充算法，S表示显著图，表示最终显著图； S402、对进行展开操作得到扩展区域将扩展区域指定为不确定区域，其余区域指定为背景区域；将不确定区域记为，并将用作第2轮训练的伪标签进行训练。

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广东烟草汕尾市有限公司，其通讯地址为：516600 广东省汕尾市汕尾大道中公园路口；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。