Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京林业大学成锋娜获国家专利权

南京林业大学成锋娜获国家专利权

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!

龙图腾网获悉南京林业大学申请的专利类无关昆虫计数的高级语义引导匹配网络系统及构建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:CN119888793B

龙图腾网通过国家知识产权局官网在2025-10-31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:202411979737.2,技术领域涉及:G06V40/10;该发明授权类无关昆虫计数的高级语义引导匹配网络系统及构建方法是由成锋娜;耿浩宇;陈青;茹煜;周宏平;张玉言设计研发完成,并于2024-12-31向国家知识产权局提交的专利申请。

类无关昆虫计数的高级语义引导匹配网络系统及构建方法在说明书摘要公布了:本发明公开了一种类无关昆虫计数的高级语义引导匹配网络系统及构建方法,高级语义引导匹配网络通过参考图像的特征,挖掘查询图像中的感兴趣目标,同时利用梯度信息优化网络的特征提取器;所述高级语义引导匹配网络包括特征提取器、高级语义引导匹配模块、回归器和梯度回馈模块,特征提取器用于提取参考图像和查询图像的多层级特征,高级语义引导匹配模块用于强化兴趣目标的挖掘,回归器用于回归密度图,梯度回馈模块利用迭代过程中的梯度增强特征提取器的表征能力。本发明通过强化相关特征表示来实现不同种类昆虫的计数,可快速实现以及部署至多种计算设备,在昆虫计数任务中要优于目前多种目标计数模型。

本发明授权类无关昆虫计数的高级语义引导匹配网络系统及构建方法在权利要求书中公布了:1.一种类无关昆虫计数的高级语义引导匹配网络构建方法,其特征在于,包括以下步骤: 步骤S1:建立多类别昆虫训练样本库得到训练数据集、验证数据集; 步骤S2:设计高级语义引导匹配网络,所述高级语义引导匹配网络通过参考图像的特征,挖掘查询图像中的感兴趣目标,同时利用梯度信息优化网络的特征提取器;所述高级语义引导匹配网络包括特征提取器、高级语义引导匹配模块、回归器和梯度回馈模块,特征提取器用于提取参考图像和查询图像的多层级特征,高级语义引导匹配模块用于强化兴趣目标的挖掘,回归器用于回归密度图,梯度回馈模块利用迭代过程中的梯度增强特征提取器的表征能力; 所述特征提取器包括第一主干网络、第一残差模块一、第一残差模块二、第一残差模块三、第二主干网络、第二残差模块一、第二残差模块二、第二残差模块三,所述第一主干网络、第一残差模块一、第一残差模块二、第一残差模块三依次连接;所述第二主干网络、第二残差模块一、第二残差模块二、第二残差模块三依次连接; 所述高级语义引导匹配模块包括第一自注意力操作模块一、第一自注意力操作模块二、第一自注意力操作模块三、第二最大池化层一、第二最大池化层二、第一适配器、第二适配器、第一融合层,所述第一残差模块一与第一自注意力操作模块一连接,所述第一残差模块二与第一自注意力操作模块二连接,所述第一残差模块三与第一自注意力操作模块三连接,所述第二残差模块一与第二最大池化层一连接,所述第二残差模块二与第二最大池化层二连接;所述第一适配器的输入端分别与第二最大池化层一、第二残差模块三连接,所述第一适配器的输出端输出的图像特征施加卷积操作得到第一卷积核;所述第二适配器的输入端分别与第二最大池化层二、第二残差模块三连接,所述第二适配器的输出端输出的图像特征施加卷积操作得到第二卷积核;所述第二残差模块三的输出端输出的图像特征施加卷积操作得到第三卷积核;所述第一卷积核对来自第一自注意力操作模块一的的图像特征进行卷积操作得到第一利用参考图像的卷积核卷积查询图像,所述第二卷积核对来自第一自注意力操作模块二的的图像特征进行卷积操作得到第二利用参考图像的卷积核卷积查询图像,所述第三卷积核对来自第一自注意力操作模块三的的图像特征进行卷积操作得到第三利用参考图像的卷积核卷积查询图像;所述第一融合层根据密度回归损失对第一利用参考图像的卷积核卷积查询图像、第二利用参考图像的卷积核卷积查询图像、第三利用参考图像的卷积核卷积查询图像进行融合,得到融合特征输出和梯度;将融合特征输出分别输送给梯度回馈模块和回归器,将梯度输送给梯度回馈模块,将梯度回馈模块输出损失的梯度回传给特征提取器; 步骤S3:采用训练数据集训练高级语义引导匹配网络,优化网络参数; 步骤S4:利用验证数据集对训练中的高级语义引导匹配网络进行验证,选择评价指标最好的模型保存; 步骤S5:返回执行步骤S3,直至模型训练完毕,获得训练好的高级语义引导匹配网络; 步骤S6:计数时,采集待计数昆虫的图像信息,将待计数昆虫的图像信息输入到训练好的高级语义引导匹配网络,得到昆虫计数。

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京林业大学,其通讯地址为:210018 江苏省南京市玄武区龙蟠路159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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。