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！

龙图腾网获悉江西师范大学申请的专利一种基于点监督的伪标签优化的伪装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：CN120876840B 。

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：202511393612.6，技术领域涉及：G06V10/25；该发明授权一种基于点监督的伪标签优化的伪装目标检测方法是由陈志威;何斌;周勤勤;张苗辉;赵胜敏;聂诣然;江爱文设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本一种基于点监督的伪标签优化的伪装目标检测方法在说明书摘要公布了：本发明公开了一种基于点监督的伪标签优化的伪装目标检测方法，具体为，将图像输入骨干网络得到对应的初始预测图；将图像对应的点注释和边界框注释组成多提示输入万物分割模型分割得到点掩码和边界框掩码；采用语义熵的多掩码加权融合机制得到伪标签；构建全局‑局部感知模块，全局‑局部感知模块包括全局感知模块、局部感知模块；采用二元交叉熵损失和对比损失作为最终的损失函数训练伪装目标检测模型；本发明有益效果是：1在降低了标注成本的同时提高了监督信号的质量。2充分地利用稀疏的点标注信息，提高了弱监督伪装目标检测的准确率。

本发明授权一种基于点监督的伪标签优化的伪装目标检测方法在权利要求书中公布了：1.基于点监督的伪标签优化的伪装目标检测方法，其特征在于：包括以下步骤： 步骤S1，将图像输入到骨干网络进行预处理，得到对应的初始预测图；具体为： 将图像的点注释作为圆心、r为半径得到圆形监督信号,将圆形监督信号监督骨干网络得到对应的初始预测图； 步骤S2，基于图像和步骤S1的初始预测图得到多提示，将多提示输入到万物分割模型，得到掩码；具体为： 步骤21，基于步骤S1的初始预测图中最大外接矩阵，得到边界框注释；将图像的点注释和得到的边界框注释组成多提示； 步骤22，将多提示输入到万物分割模型，分割得到点掩码和边界框掩码； 步骤S3，采用语义熵的多掩码加权融合机制对步骤S1得到的初始预测图、步骤S2得到掩码进行加权融合，得到伪标签；其中掩码分为点掩码和边界框掩码：具体为： 步骤S31，将初始预测图分别与点掩码和边界框掩码进行计算，得到点语义熵和边界框语义熵，公式如下： ； 其中，代表点语义熵，代表点乘运算，代表取对数运算，代表极小正数； ； 其中，代表边界框语义熵； 步骤S32，对点掩码和边界框掩码进行空间域分解，分解出重叠区域=∩、非重叠区域的点提示专属区域=-和边界框提示专属区域=-； 步骤S33，根据计算出的点语义熵和边界框语义熵，对非重叠区域进行基于语义熵的权重分配得到点掩码权重和边界框掩码权重；公式如下： ； ； 其中，代表点掩码权重，代表边界框掩码权重； 步骤S34，对重叠区域、非重叠区域的点提示专属区域和边界框提示专属区域，根据点掩码权重和边界框掩码权重进行加权融合得到伪标签；公式如下： ； 其中，代表伪标签； 步骤S4，构建全局-局部感知模块，得到全局-局部交互增强特征； 步骤S5，对步骤S4得到的全局-局部交互增强特征进行双向的跨层融合得到融合特征，对得到的融合特征进行处理得到预测图； 步骤S6，基于步骤S3得到的伪标签和步骤S5得到的预测图构建一个伪装目标检测模型。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。