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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利用于伪装物体检测的渐进增强网络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：CN116342548B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310322542.X，技术领域涉及：G06T7/00；该发明授权用于伪装物体检测的渐进增强网络是由李硕豪;李小飞;黄魁华;张军;雷军;何华;胡星辰;范长俊;杜航;陈超;刘忠设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本用于伪装物体检测的渐进增强网络在说明书摘要公布了：本发明提供一种用于伪装物体检测的渐进增强网络，包括对象定位模块、组注意力模块和上下文特征恢复模块分别用于准确定位伪装的对象、细化纹理和以渐进增强的方式还原边界；采用Res2Net‑50作为主干，从输入图像中提取其多级特征，然后使用若干对象定位模块来定位潜在的伪装对象，再将初始位置的图像输入给组注意力模块以细化细节，最后利用若干上下文特征恢复模块来恢复完整的对象以获得明确的界限。提出了一种新的仿生框架，它以渐进增强的方式极大地提供了伪装目标检测的性能以定位对象，增强纹理特征，并恢复边界。它可以有效地提取全局信息和局部特征，从而可以准确地确定伪装对象的位置；该框架显著改善了现有的伪装对象分割性能。

本发明授权用于伪装物体检测的渐进增强网络在权利要求书中公布了：1.用于伪装物体检测的渐进增强网络，其特征是，包括对象定位模块、组注意力模块和上下文特征恢复模块，所述对象定位模块、组注意力模块和上下文特征恢复模块分别用于准确定位伪装的对象、细化纹理和以渐进增强的方式还原边界；对于大小H×W的输入RGB图像I，采用Res2Net-50作为主干，从输入图像中提取f2、f3、f4和f5层特征，然后使用若干对象定位模块来定位潜在的伪装对象，再将初始位置的图像输入给组注意力模块以细化细节，最后利用若干上下文特征恢复模块来恢复完整的对象以获得明确的界限； 所述对象定位模块包括全局模块和局部模块，全局模块以非本地方式实现,以捕获远程依赖项,从而从全局角度增强上下文语义表示；局部模块的是通过使用若干卷积层来提取局部信息；全局模块和局部快之间以互补的方式探索潜在的对象区域； 首先利用接收域模块结构来扩展接收域，在全局模块中，再通过三个1×1的卷积层获得三个特征映射B、C、D，其中{B,C,D}∈RC×H×W，然后将其重新塑造为RC×N，再将B的转置乘以C矩阵，并执行一个softmax层来计算全局空间注意力图；使用矩阵乘法操作来获得语义增强的全局特性fg∈RC×H×W,其中，RC×H×W表示通道为C，高为H,宽为W的实数集合，RC×N表示通道为C的N列的实数集合；过程描述如下： 其中，gsaij表示j位置对i位置的影响；η初始化为0，后续逐渐学会更多的权重,ft是第t层特征； 在局部模块中，采用1×1的卷积层获得特征映射E，{E}∈RC×H×W，BatchNorm2d函数和ReLU函数来获得局部特征，然后对全局特征和局部特征进行元素加法操作以获得聚合特征；过程描述如下： fl＝ReLU1×1ConvReLUBNE3 fa＝ReLU3×3Convfg+fl4 式中，1×1表示1×1的卷积层，3×3表示3×3的卷积层,fa为注意力特征，fl为局部特征，fg为全局特征； 所述组注意力模块包括三个卷积块和三个组注意模块，首先使用整体注意模块合并粗略预测和特征图以突出显示整个对象区域，然后使用三个卷积块来获取自下而上的特征f3′、f4′和f5′，然后结合f2的特征构建金字塔网络,在金字塔网络自上而下路径的每一层中，通过组注意模块来挖掘多尺度特征；通过以下方式得到重新分组的特征f∈RC×H×W： 其中M为分组数，和分别表示第m组的全局特征和注意力特征； 然后将重新分组的特征分别馈送到空间注意力和通道注意力以增强纹理特征，在空间注意力中，使用带有一个输出通道的3×3的反卷积层来压缩空间信息，然后使用sigmoid函数对区间0,1进行归一化，表述为： SA＝σDeconvf6 其中σ代表sigmoid函数，Deconv指的是3×3的反卷积层，SA代表空间注意力特征； 在通道注意力中，使用全局平均池化和两个1×1的卷积层来降低维度，然后应用ReLU和sigmoid函数来获得通道注意力： CA＝σ1×1ConvReLU1×1ConvGAPf7 其中，1×1Conv表示1×1的卷积层，GAP为全局平均池化； 最后对空间注意特征和通道注意特征进行加法运算，得到权重特征f′，作为下一个组注意模块的输入注意图： f′＝UPf·SA+CA8 其中，UP代表上采样操作，CA为通道注意力。

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中国人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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。