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！

龙图腾网获悉武汉工程大学申请的专利一种基于尺度不变性的协同显著性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：CN120808244B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511309755.4，技术领域涉及：G06V20/40；该发明授权一种基于尺度不变性的协同显著性目标检测方法是由刘威;黄筱雨;项梦洁;聂航宇;祁苗设计研发完成，并于2025-09-15向国家知识产权局提交的专利申请。

本一种基于尺度不变性的协同显著性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尺度不变性的协同显著性目标检测方法，涉及监控安全技术领域，方法包括：获取监控系统中由视频流转换成的图像序列，将其输入预训练模型的主干网络以提取多尺度特征；对多尺度特征进行增强与融合处理生成初始显著性图；通过残差细化结构恢复细节边缘，生成精确显著性图；应用尺度一致性约束和语义特征反馈进行优化，得到目标显著性图并输出。本发明能够有效解决现有技术中模型对不同分辨率图像缺乏语义指导、泛化能力差的问题，显著提升监控系统中显著性目标检测的准确性和鲁棒性，适用于多种复杂监控场景。

本发明授权一种基于尺度不变性的协同显著性目标检测方法在权利要求书中公布了：1.一种基于尺度不变性的协同显著性目标检测方法，其特征在于，包括： 获取任一监控系统中由视频流转换成的图像序列，将所述图像序列作为输入数据，通过预训练的模型中的主干网络提取所述输入数据对应的多尺度特征，具体为： 在处理监控系统中的视频流时，将连续的视频流分解为一系列离散的图像帧，形成图像序列，这一过程通过视频解码器完成，按照设定的时间间隔或基于关键帧的策略从视频流中截取图像，这些图像帧随后被统一调整至预定义的尺寸，以适配预训练模型的输入要求，调整尺寸后的图像序列作为输入数据，被送入预训练模型的主干网络，所述主干网络是一个深度卷积神经网络，通过一系列卷积层、池化层以及归一化层和激活函数，对输入的图像序列进行特征提取； 将所述多尺度特征进行特征增强处理以及融合处理，生成初始显著性图； 通过残差细化结构对所述初始显著性图进行恢复处理，生成精确显著性图； 应用尺度一致性约束以及语义特征反馈，对所述精确显著性图进行优化处理，得到目标显著性图，将所述目标显著性图以及对应的显著性程度作为输出数据进行输出； 应用尺度一致性约束以及语义特征反馈，对所述精确显著性图进行优化处理，得到目标显著性图的过程为： 预构建记忆库，所述记忆库中存储每个协同组的显著预测图； 将所述初始显著性图对应的协同组的显著预测图进行拼接处理； 并对拼接后的结果进行一致性约束处理，得到所述目标显著性图。

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武汉工程大学，其通讯地址为：430205 湖北省武汉市东湖新技术开发区光谷一路206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。