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！

龙图腾网获悉中山大学申请的专利基于浅层特征背景抑制的弱监督目标定位方法及装置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：CN114596471B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202210166797.7，技术领域涉及：G06V10/77；该发明授权基于浅层特征背景抑制的弱监督目标定位方法及装置是由杨猛;曹心姿设计研发完成，并于2022-02-23向国家知识产权局提交的专利申请。

本基于浅层特征背景抑制的弱监督目标定位方法及装置在说明书摘要公布了：本发明公开了一种基于浅层特征背景抑制的弱监督目标定位方法及装置，方法为：获取图像数据集；基于神经网络构建目标定位分类网络，包括分类器、生成器、评价器；分类器生成浅层特征图并对生成器进行初始化，得到前景激活图；前景激活图与浅层特征图进行点乘，输入评价器中得到分类结果并计算其与原始标签的前景交叉熵损失；使用PCA方法对训练数据集中的每张图进行背景主成分分析，通过聚类得到背景激活图，输入评价器计算背景分类损失；引入前景‑背景对抗损失并使用Transformer辅助生成器学习，获得总损失函数；输入测试数据集获得定位结果。本方法利用浅层特征信息来抑制背景以训练目标定位网络，将分类与定位任务解绑，避免了分类对定位效果的限制。

本发明授权基于浅层特征背景抑制的弱监督目标定位方法及装置在权利要求书中公布了：1.基于浅层特征背景抑制的弱监督目标定位方法，其特征在于，包括下述步骤： 获取图像数据集并划分为训练数据集和测试数据集； 基于神经网络构建目标定位分类网络；所述目标定位分类网络包括分类器、生成器、评价器； 将训练数据集输入分类器中，生成浅层特征图； 使用浅层特征图对生成器进行初始化，得到前景激活图； 将前景激活图与浅层特征图进行点乘，输入评价器中进行训练，得到分类结果，并计算分类结果和训练数据集原始标签的前景交叉熵损失； 使用PCA方法对训练数据集中的每张图进行背景主成分分析，通过聚类得到背景激活图，输入评价器计算背景分类损失； 所述得到背景激活图，具体为： 引入PCA方法对训练数据集中的每张图进行背景主成分分析，计算每张图像特征的平均值为x，求得该值的协方差矩阵Covx，同时得到协方差矩阵的特征向量{𝝃1,…,𝝃d}，选择最大的特征方向𝝃1，得到每张特征图中的背景区域为： b=𝝃1𝑓2−x， 𝑓b=𝐹2b×𝑓,𝑊2， 𝑦̂b=Linerfb,𝑊3， 其中，b为训练数据集中每张图的背景激活图，f为浅层特征图，f2为评价器提取的特征，W2为评价器网络的特征提取参数，W3为评价器网络的全连接层分类参数，Liner为全连接层，𝑓b为背景特征，𝑦̂b为根据背景特征获得的分类结果； 将每张特征图中的背景区域进行聚类得到背景激活图，作为新的类别； 由于前景与背景共享评价器的分类权重，故将背景激活图输入评价器中计算背景分类损失： 𝐿b=−l𝑜𝑔𝑦[𝑦̂b]； 引入前景-背景对抗损失，并使用Transformer辅助生成器学习，获得目标定位分类网络的总损失函数；所述前景-背景对抗损失为： 𝐿𝑎𝑟𝑒𝑎=−log𝑀𝑓+log𝑀𝑏， 𝑀𝑓={a𝛾}， 𝑀𝑏={a𝛾}， 𝛾是一个超参数,当前景激活图a中的值大于𝛾时，则表明分类器训练出的是前景区域，𝑀𝑓是前景激活图a中大于超参数𝛾的前景区域，𝑀𝑏是前景激活图a小于超参数𝛾的背景区域； 将测试数据集输入目标定位分类网络中获得定位结果。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。