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！

龙图腾网获悉哈尔滨工业大学申请的专利不受图像边界限制的构图边界框推荐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：CN116563518B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202310454466.8，技术领域涉及：G06V10/22；该发明授权不受图像边界限制的构图边界框推荐方法是由刘铭;刘晓禹;李俊义;左旺孟设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本不受图像边界限制的构图边界框推荐方法在说明书摘要公布了：不受图像边界限制的构图边界框推荐方法，本发明图像处理技术领域。解决了现有构图裁剪方法受限于图像边界的问题。本发明每个样本包括全视角图I、对全视角图I进行裁剪所获得的任意一个缺失视角图Iinit、以及缺失视角图Iinit在全视角图I内所对应的裁剪框合集，从样本集中随机抽取一个样本对缺失视角特征提取模块、特征补全模块和框回归模块进行训练，训练过程中，通过Iinit得到缺失视角特征图Zvis，利用Zvis预测外扩特征图Zpad，将Zpad和Zvis进行特征合并后，送入框回归模块进行构图边界框预测，并计算总损失值对缺失视角特征提取模块、框回归模块和特征补全模块的网络参数进行更新。本发明用于为相机视角推荐构图边界框。

本发明授权不受图像边界限制的构图边界框推荐方法在权利要求书中公布了：1.不受图像边界限制的构图边界框推荐方法，该方法是基于框回归模块、缺失视角特征提取模块、全视角特征提取模块和特征补全模块实现，缺失视角特征提取模块和全视角特征提取模块的内部构成相同，其特征在于，该方法包括如下步骤：S1、构建样本集：样本集中每个样本包括全视角图I、对全视角图I进行裁剪所获得的任意一个缺失视角图Iinit、以及对全视角图I进行裁剪所获得的裁剪框合集；裁剪框合集中包括N组标定结果，每组标定结果中包括一个裁剪框的位置信息ci和该裁剪框的置信度pi；其中，ci为裁剪框合集中第i个组标定结果中裁剪框的位置信息，pi为裁剪框合集中第i组标定结果中的裁剪框的置信度，i＝1,2，……N；p1至pN取值均为1，其中，每个裁剪框位于全视角图I的图像内容所覆盖的区域内，且将每个裁剪框均为缺失视角图Iinit的理想构图边界框；S2、初始化框回归模块、缺失视角特征提取模块、全视角特征提取模块和特征补全模块，且初始化后缺失视角特征提取模块和全视角特征提取模块的参数值完全相同；S3、从样本集中随机抽取一个样本，对框回归模块、缺失视角特征提取模块和特征补全模块进行训练，具体包括：S31、特征提取及补全：从样本集中随机抽取一个样本，通过缺失视角特征提取模块对当前样本的缺失视角图Iinit进行特征提取及处理，得到缺失视角特征图Zvis，特征补全模块基于缺失视角特征图Zvis来预测出缺失视角特征图Zvis的缺失视角部分所对应的外扩特征图Zpad；同时通过全视角特征提取模块对当前样本的全视角图I进行特征提取后，再对得到的全视角特征图Z进行特征分离，分离出缺失视角图Iinit相对于全视角图I的真实缺失边界特征图Zout；S32、特征合并：对缺失视角特征图Zvis和外扩特征图Zpad进行特征合并，得到补全后特征图；S33、将步骤S32中得到的补全后特征图作为框回归模块的输入，框回归模块根据补全后特征图预测出M组训练阶段预测结果，每组训练阶段预测结果中包括一个构图边界框的位置信息cpredj和该构图边界框的置信度得分ppredj；其中，cpredj为第j组训练阶段预测结果中构图边界框的位置信息，ppredj为第j组训练阶段预测结果中构图边界框的置信度得分；j＝1,2，……M；M＞N；S4、总损失值计算：根据真实缺失边界特征图Zout和预测出的外扩特征图Zpad进行对比分析，获得特征外扩损失函数Lextra的损失值；还用于根据预测出的M组训练阶段预测结果与N组标定结果进行对比分析，得到构图回归损失函数Lcomp的损失值；并将特征外扩损失函数Lextra的损失值与构图回归损失函数Lcomp的损失值求和，得到总损失值；判断总损失值是否小于或等于预设阈值，结果为是，完成对框回归模块、缺失视角特征提取模块和特征补全模块的训练，执行步骤S5；结果为否，对框回归模块、缺失视角特征提取模块和特征补全模块的参数进行更新后，将缺失视角特征提取模块的参数值赋予给全视角特征提取模块，再对框回归模块重新训练，执行步骤S3；S5、利用训练后的缺失视角特征提取模块、特征补全模块和框回归模块对真实采集的缺失视角图Iinit进行真实构图边界框的位置信息预测，获得M组真实预测结果，并将M组真实预测结果中构图边界框的置信度的最大值所对应的构图边界框的位置信息作为最优真实构图边界框的位置信息。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。