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！

龙图腾网获悉上海应用技术大学申请的专利一种全监督的显著目标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：CN117197437B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311182691.7，技术领域涉及：G06V10/25；该发明授权一种全监督的显著目标检测方法是由杨谨瑜;石艳娇设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本一种全监督的显著目标检测方法在说明书摘要公布了：本发明涉及一种全监督的显著目标检测方法，构建完整的多分支特征融合细化网络MFFRNet作为显著目标检测模型；再将数据集中训练集输入到提出的MFFRNet模型中训练，每完成一轮就会反向传播一次，以优化MFFRNet模型参数；用数据集中测试集对模型进行性能评估；最终，评估后模型用于显著目标检测。该模型有效的融合了低级特征的细节信息和高级特征的语义信息。针对低级特征设计的模块利用非对称卷积来减少背景噪声和其他干扰因素，以及一个针对高级特征设计的模块获得丰富的语义信息。同时，针对频繁的上采样造成的混叠效应做出了有效的处理。该方法有效地捕捉显著性对象并获得显著性预测图，有较强的鲁棒性。

本发明授权一种全监督的显著目标检测方法在权利要求书中公布了：1.一种全监督的显著目标检测方法，其特征在于，采用数据集为公开的DUTS-TR数据集的，首先，对获取到的数据进行预处理和数据增强；然后，构建完整的多分支特征融合细化网络MFFRNet作为显著目标检测模型；再将数据集中训练集输入到提出的MFFRNet模型中训练，每完成一轮就会反向传播一次，以优化MFFRNet模型参数；用数据集中测试集对模型进行性能评估；最终，评估后模型用于显著目标检测； 所述多分支特征融合细化网络MFFRNet建立方法：多分支特征融合细化网络MFFRNet包括细节优化模块DOM、金字塔特征提取模块PFEM、多尺度特征融合模块MFFM和特征优化模块FOM；将数据集图片输入到ResNet-50骨干网络中，对图片进行编码，生成五组尺寸大小不同的特征图；这五组特征图分别进行数量不等的卷积操作，以提取特征，第二组和第三组特征图认为是低级特征，第四组和第五组认为是高级特征；低级特征送入细节优化模块DOM处理，抑制噪声；高级特征送入金字塔特征提取模块PFEM处理，获得多尺度特征和丰富的上下文信息；细节优化模块DOM和金字塔特征提取模块PFEM输出送入多尺度特征融合模块MFFM聚合特征；多尺度特征融合模块MFFM输出特征进入特征优化模块FOM优化多尺度特征融合；最后，用一个3×3卷积+batchnorm归一化+ReLU提取特征，sigmoid激活函数得到最后的预测图； 所述细节优化模块DOM中，首先，每组低级特征被复制出相同的五份特征，分别构成五个分支；其中四个分支分别用1×1的卷积、由1×n和n×1组成的非对称卷积和空洞率为3的空洞卷积的组合提取特征，n=1、3、5、7；然后，将四个分支提取到的特征经过特征拼接，组合在一起，再用3×3的卷积压缩通道和进一步的特征提取；最后，利用残差连接将输入和输入处理特征叠加补充特征提取过程中缺失的信息，以及使用ReLU激活函数，增加非线性因素，提高神经网络对模型的表达能力； 所述特征优化模块FOM，输入被复制为两个分支，一个分支直接用3×3的卷积提取特征，另一个分支先经过平均池化，再用3×3的卷积提取特征；紧接着，其中一个分支又被分成两个子分支，其中一个子分支直接用3×3卷积+batchnorm归一化+ReLU+3×3卷积+batchnorm归一化提取特征，另一个子分支是平均池化+3×3卷积+batchnorm归一化+ReLU+3×3卷积+batchnorm；然后，将两个子分支的输出像素值相加，并用ReLU激活函数增加非线性能力；将两个分支的结果像素值相加，再经过3×3卷积+batchnorm归一化+ReLU提取特征；最后，与输入特征做残差链接和3×3卷积+batchnorm归一化+ReLU的操作，得到输出。

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上海应用技术大学，其通讯地址为：200235 上海市徐汇区漕宝路120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。