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！

龙图腾网获悉南通大学申请的专利基于模糊逻辑推理关系重要性的显著场景图生成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：CN119516547B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202411473708.9，技术领域涉及：G06V20/70；该发明授权基于模糊逻辑推理关系重要性的显著场景图生成方法是由王进;徐嘉玲;杨子龙设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于模糊逻辑推理关系重要性的显著场景图生成方法在说明书摘要公布了：本申请涉及一种基于模糊逻辑推理关系重要性的显著场景图生成方法及装置、场景图生成模型测试方法及装置、计算机设备。该方法包括：步骤S100，计算目标数据集中每个图像样本真实关系的重要性分数；步骤S200，构建目标检测器；步骤S300，构建语义提取器和实例特征细化模块；步骤S400，构建边界框建模模块和特征拼接模块；步骤S500，构建特征融合模块和关系表示建模模块；步骤S600，构建关系损失加权模块；步骤S700，在训练图像样本数量达到批量处理大小的情况下，返回步骤S200；在训练集中图像样本全部读取完成的情况下，进入步骤S800输出场景图生成模型。该方法可以在不减少关系样本数量的基础上，灵活并全面地评估关系的重要性。

本发明授权基于模糊逻辑推理关系重要性的显著场景图生成方法在权利要求书中公布了：1.一种基于模糊逻辑推理关系重要性的显著场景图生成方法，包括： 步骤S100，使用模糊逻辑计算目标数据集中每个图像样本真实关系的重要性分数，并将目标数据集划分为训练集和测试集，其中每个图像样本包括主体对象和客体对象；其中所述步骤S100中使用模糊逻辑计算目标数据集中每个图像样本真实关系的重要性分数包括： 根据关系重要程度的影响因素，将目标数据集中的关系区域面积、谓词频率以及用户可指定的实例类、谓词类、属性类数据进行预处理，作为模糊推理系统的输入参数； 为模糊推理系统的输入参数划分模糊集合； 制定隶属度函数，通过隶属度函数将模糊推理系统的输入参数转换为模糊值； 根据影响关系重要性的因素定义模糊规则，并根据模糊规则对模糊值进行评估，生成每条模糊规则的模糊输出； 通过模糊推理系统将模糊规则的模糊输出聚合，生成模糊输出参数，通过质心法解模糊化过程，将模糊输出参数的模糊集合转换为重要性分数； 步骤S200，构建以图像样本为输入、以图像样本中各对象间待预测关系实例的标签和待预测关系实例相应的边界框信息为输出的目标检测器； 步骤S300，构建以图像样本中各对象间待预测关系实例的标签为输入、主体对象的实例特征和客体对象的实例特征为输出的语义提取器，并构建实例特征细化模块，对主体对象的实例特征和客体对象的实例特征进行细化； 步骤S400，构建以图像样本中各对象间待预测关系实例相应的边界框信息为输入、以主体对象的边界框特征和客体对象的边界框特征为输出的边界框建模模块，构建将主体对象的边界框特征和主体对象的实例特征拼接输出主体对象的实例表示、将客体对象的边界框特征和客体对象的实例特征拼接输出客体对象的实例表示的特征拼接模块； 步骤S500，构建以将主体对象的实例表示和客体对象的实例表示为输入、待预测关系的关系特征为输出的特征融合模块，并构建以待预测关系的关系特征为输入、待预测关系的关系表示为输出的关系表示建模模块； 步骤S600，构建用于生成待预测关系的关系表示的标签分布、结合真实关系的标签进行损失计算、将真实关系的重要性分数作为权重对每个图像样本的关系的损失进行加权和进行场景图生成训练的关系损失加权模块； 步骤S700，自输入至输出方向，目标检测器、语义提取器、实例特征细化模块、边界框建模模块、特征拼接模块、特征融合模块、关系表示建模模块、关系损失加权模块构成待训练网络结构；基于目标数据集，以图像样本为输入、场景图为输出，针对待训练网络结构进行训练，获得场景图生成模型；在训练图像样本数量达到批量处理大小的情况下，返回步骤S200；在训练集中图像样本全部读取完成的情况下，进入步骤S800； 步骤S800，输出场景图生成模型。

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南通大学，其通讯地址为：226000 江苏省南通市崇川区啬园路9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。