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！

龙图腾网获悉西北工业大学申请的专利一种基于融合语义特征的目标识别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：CN120808116B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511297024.2，技术领域涉及：G06V10/82；该发明授权一种基于融合语义特征的目标识别方法是由岳晓奎;李少毅;杨曦设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本一种基于融合语义特征的目标识别方法在说明书摘要公布了：本申请公开了一种基于融合语义特征的目标识别方法，获取目标红外图像和目标红外图像对应的机动类别，目标红外图像中包含有目标；将目标红外图像和机动类别输入到目标识别网络中，得到第一机动语义特征、浅层图像特征和深层图像特征；对第一机动语义特征和浅层图像特征进行特征融合，得到第一图像融合特征；对第一机动语义特征和深层图像特征进行特征融合，得到第二图像融合特征；对第一图像融合特征和第二图像融合特征进行上采样和拼接操作，得到多尺度特征表示；将多尺度特征表示输入到输出头中进行卷积操作，得到目标类别和抗干扰识别结果。如此，提高了目标识别的准确性。

本发明授权一种基于融合语义特征的目标识别方法在权利要求书中公布了：1.一种基于融合语义特征的目标识别方法，其特征在于，包括： 获取目标红外图像和所述目标红外图像对应的机动类别，所述目标红外图像中包含有目标； 将所述目标红外图像和所述机动类别输入到目标识别网络中，得到第一机动语义特征、浅层图像特征和深层图像特征； 对所述第一机动语义特征和所述浅层图像特征进行特征融合，得到第一图像融合特征； 对所述第一机动语义特征和所述深层图像特征进行特征融合，得到第二图像融合特征； 对所述第一图像融合特征和所述第二图像融合特征进行上采样和拼接操作，得到多尺度特征表示； 将所述多尺度特征表示输入到输出头中进行卷积操作，得到目标类别和抗干扰识别结果； 所述目标识别网络包括可学习机动语义特征空间、ERBlock模块和SimSPFF模块，所述ERBlock模块用于提取浅层图像特征，所述SimSPFF模块用于提取深度图像特征，所述浅层图像特征和所述深层图像特征是卷积神经网络处理图像时的不同层次提取出来的特征，所述浅层图像特征位于所述卷积神经网络的初始几层，所述深层图像特征位于所述卷积神经网络的末端； 所述将所述目标红外图像和所述机动类别输入到目标识别网络中，得到第一机动语义特征、浅层图像特征和深层图像特征，包括： 根据所述机动类别，在所述可学习机动语义特征空间中确定所述机动类别对应的第一机动语义特征； 通过所述ERBlock模块得到所述浅层图像特征； 通过所述SimSPFF模块得到所述深层图像特征； 所述目标识别网络还包括UAFFM，所述UAFFM包括卷积层、空间注意力单元、通道注意力单元和傅里叶单元，所述对所述第一机动语义特征和所述浅层图像特征进行特征融合，得到第一图像融合特征，包括： 通过所述UAFFM对所述第一机动语义特征和所述浅层图像特征进行特征融合，得到第一图像融合特征； 所述目标识别网络还包括CASFM，所述CASFM包括卷积层、第一交叉注意力单元和第二交叉注意力单元，所述第一交叉注意力单元包括第一键权重矩阵、第一查询权重矩阵和第一值权重矩阵，所述第二交叉注意力单元包括第二键权重矩阵、第二查询权重矩阵和第二值权重矩阵，所述对所述第一机动语义特征和所述深层图像特征进行特征融合，得到第二图像融合特征，包括： 通过所述CASFM对所述第一机动语义特征和所述深层图像特征进行特征融合，得到第二图像融合特征。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。