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！

龙图腾网获悉北京航空航天大学申请的专利一种基于多先验引导的弱特征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：CN116883822B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202310999272.6，技术领域涉及：G06V20/00；该发明授权一种基于多先验引导的弱特征目标检测方法是由张弘;吕毅轩;杨一帆;李旭亮设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本一种基于多先验引导的弱特征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多先验引导的弱特征目标检测方法，首先以公开的已标注数据集作为基础，使用随机裁剪、缩放、抖动等方法进行数据增强；而后使用特征金字塔形态的视觉Transformer主干网络实现对输入图像的特征提取；接着分别通过构建贝叶斯网络、深度卷积神经网络具象信心得分以及边缘信息；接着通过先验引导特征交联模块设计实现提取特征的交联；最后使用特征融合模块自底向上地实现基于信心得分信息与基于边缘信息的特征融合，通过循环精炼模块的思路实现对检测结果的进一步优化。这种检测方法采用的网络结构设计合理，可以针对弱特征目标实现像素级的检测，并保证了较低的推理时间。

本发明授权一种基于多先验引导的弱特征目标检测方法在权利要求书中公布了：1.一种基于多先验引导的弱特征目标检测方法，其特征在于，包括以下步骤： 1将标注好的已公开的已标注数据集作为基础，使用包括随机裁剪、缩放、抖动的方法进行数据增强预处理； 2利用特征金字塔形态的视觉Transformer主干网络实现对数据增强预处理后的数据集输入实现图像特征提取，利用维度缩减机制实现对图像特征金字塔的构建； 3利用深度贝叶斯网络传递概率分布的特性，由信心得分推理模块获得目标的信心得分；利用深度卷积神经网络聚合图像特征的局部信息，使用边缘推理模块获取目标的边缘，通过独立分支的分层结构，实现对目标的信心得分、边缘的先验进行总结； 4利用先验作为特征引导项，通过特征交联模块实现对图像特征以及先验的集聚操作，实现图像特征与信心得分，边缘的特征聚合； 5利用聚合后的图像特征，在特征融合模块中使用循环精炼模块对图像特征进行进一步精炼得到精炼特征，在精炼特征的基础上使用卷积神经网络实现像素级的掩膜分割，得到最终的弱特征目标检测结果； 所述步骤2中使用的视觉Transformer主干网络具有4个阶段： 阶段1包含1个Transformer空间缩减编码器结构，空间缩减编码器缩减倍数为2，键值对的空间分辨率缩减倍率为4,输出图像特征的通道数为64，输出图像特征的空间分辨率为88，归一化方法为层归一化； 阶段2包含1个Transformer空间缩减编码器结构，空间缩减编码器缩减倍数为2，键值对的空间分辨率缩减倍率为4,输出图像特征的通道数为128，输出图像特征的空间分辨率为44，归一化方法为层归一化； 阶段3包含1个Transformer空间缩减编码器结构，空间缩减编码器缩减倍数为2，键值对的空间分辨率缩减倍率为4,输出图像特征的通道数为320，输出图像特征的空间分辨率为22，归一化方法为层归一化； 阶段4包含1个Transformer空间缩减编码器结构，空间缩减编码器缩减倍数为2，键值对的空间分辨率缩减倍率为4,输出图像特征的通道数为512，输出图像特征的空间分辨率为11，归一化方法为层归一化； 所述主干网络包含4个层次：分别使用阶段1至阶段4输出的图像特征进行构造，输出通道数分别为64，128，320，512； 所述步骤3中使用的深度贝叶斯网络结构如下为：使用特征金字塔形态的视觉Transformer主干网络所提取的最后一层特征，针对每一个特征点，使用输入输出通道分别为512，128的卷积、批归一化、ReLU激活函数，建立像素级别的概率分布集合，对分布结果进行多次采样，并使用其方差衡量算法对当前图像特征像素点的信心得分。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。