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！

龙图腾网获悉大连民族大学申请的专利基于互补融合伪标签的弱监督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：CN116681903B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310662056.2，技术领域涉及：G06V10/46；该发明授权基于互补融合伪标签的弱监督显著性目标检测方法是由王鹏杰;郑彦峰;赵红旭;齐轩设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本基于互补融合伪标签的弱监督显著性目标检测方法在说明书摘要公布了：基于互补融合伪标签的弱监督显著性目标检测方法，属于计算机视觉领域，为了解决逐像素标签获取难度高以及显著性图预测的问题，要点是将图像输入融合学习网络进行目标检测，所述学习网络输出所述图像的显著特征，所述融合学习网络包括Transformer编码器、卷积编码器、通道注意力CA以及解码器，效果是能够增强显著性预测图。

本发明授权基于互补融合伪标签的弱监督显著性目标检测方法在权利要求书中公布了：1.一种基于互补融合伪标签的弱监督显著性目标检测方法，其特征在于，将图像输入融合学习网络进行显著性目标检测，所述学习网络输出所述图像的显著特征； 所述融合学习网络包括Transformer编码器、卷积编码器、通道注意CA以及解码器； 所述融合学习网络在训练阶段中具有如下步骤： S101.获取显著性图像的伪标签； S102.将显著性图像输入Transformer编码器得到特征金字塔，具体包括Transformer编码器输出显著性图像的个特征金字塔，个特征金字塔分别输入层通道注意力CA，得到特征金字塔，特征金字塔由式1表示： 1 其中，特征金字塔，表示通道注意力CA的层数，表示第层通道注意力CA输出的金字塔特征，是通道注意力，·表示TransformerEncoder，表示Transformer编码器的参数； S103.将显著性图像输入卷积编码器得到特征金字塔，具体包括卷积编码器输出特征金字塔，特征金字塔由式2表示： 2 其中，，表示卷积编码器的层数，第一层卷积编码器的输入端输入的是显著性图像，中间层的卷积编码器具有相同的第一输出端以及第二输出端，最后一层卷积编码器只具有第二输出端，上一层卷积编码器的第一输出端连接下一层卷积编码器的输入端，表示第层卷积编码器的第二输出端输出的金字塔特征，·表示CNNEncoder，代表由卷积编码器学习的参数； S104.将特征金字塔和特征金字塔融合得到特征金字塔，具体包括特征金字塔由式3表示： 3 其中，，表示融合的层数，表示第层融合输出的金字塔特征，cat·表示拼接，代表权衡参数，权衡参数由特征金字塔的第层的全局平均池化层、卷积层和全连接层学习得到； S105.将特征金字塔输入解码器得到显著性图像的结果图，具体包括解码器具有第一输入端、第二输入端和第三输入端以及第一输出端，上一层解码器的第一输出端连接下一层解码器的第二输入端，层融合的特征金字塔分别输入个解码器的对应解码器的第一输入端而将特征金字塔输入解码器，将所获取的所述伪标签作为监督信号输入所述解码器的第三输入端以监督解码器，第四层解码器的第一输出端是显著性图像的结果图； S201.将非显著性图像输入Transformer编码器得到特征金字塔，具体包括Transformer编码器输出非显著性图像的个特征金字塔，个特征金字塔分别输入层通道注意CA，得到特征金字塔，特征金字塔由式1表示： 1 其中，特征金字塔，表示通道注意力CA的层数，表示第层通道注意力CA输出的金字塔特征，是通道注意力，·表示TransformerEncoder，表示Transformer编码器的参数； S202.将非显著性图像输入卷积编码器得到特征金字塔，具体包括卷积编码器输出特征金字塔，特征金字塔由式2表示： 2 其中，，表示卷积编码器的层数，第一层卷积编码器的输入端输入的是非显著性图像，中间层的卷积编码器具有相同的第一输出端以及第二输出端，最后一层卷积编码器只具有第二输出端，上一层卷积编码器的第一输出端连接下一层卷积编码器的输入端，表示第层卷积编码器的第二输出端输出的金字塔特征，·表示CNNEncoder，代表由卷积编码器学习的参数； S203.将特征金字塔和特征金字塔融合得到特征金字塔，具体包括特征金字塔由式3表示： 3 其中，，表示融合的层数，表示第层融合输出的金字塔特征，cat·表示拼接，代表权衡参数，权衡参数由特征金字塔的第层的全局平均池化层、卷积层和全连接层学习得到； S204.将特征金字塔输入解码器得到非显著性图像的结果图，具体包括解码器具有第一输入端、第二输入端和第三输入端以及第一输出端，上一层解码器的第一输出端连接下一层解码器的第二输入端，层融合的特征金字塔分别输入个解码器的对应解码器的第一输入端而将特征金字塔输入解码器，将纯黑图像的标签作为监督信号输入所述解码器的第三输入端以监督解码器，第四层解码器的第一输出端是非显著性图像的结果图； S301.通过显著性判别器区分输入的训练数据集中的图像是否包含显著性物体，具体包括： 第四层融合输出与显著性判别器的输入相连，将第四层融合输出的金字塔特征输入显著性判别器，显著性图像所得特征金字塔为S，非显著性图像所得特征金字塔为N，显著性判别器由式5表示： 5 其中，表示判别器，M表示判别器的输出，表示判别器学习的参数，j和k设置为4，表示S的第j特征，表示N的第k特征，由判别器的输出判断图像是否包含显著性物体。

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大连民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18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。