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基于步进先验学习的条件频域交互目标计数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：CN119784715B 。

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：202411878880.2，技术领域涉及：G06T7/00；该发明授权基于步进先验学习的条件频域交互目标计数方法及装置是由陈炜龙;成锋娜;张玉言;茹煜;陈青;周宏平设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于步进先验学习的条件频域交互目标计数方法及装置在说明书摘要公布了：本发明公开了一种基于步进先验学习的条件频域交互目标计数方法及装置，首先采集目标图像并标注建立训练数据集、验证数据集；设计条件频域交互目标计数模型，增强模型的表征能力，所述条件频域交互目标计数模型包括特征提取器、条件频域交互模块和回归器；利用训练数据集对所述条件频域交互目标计数模型进行训练，在训练过程中，利用步进先验学习策略引导条件频域交互目标计数模型的学习；采用验证数据集筛选评测指标上表现最好的频域自适应目标计数模型并保存；获得最终频域自适应目标计数模型。本发明对强化目标计数模型特征的提取，目标计数效果相比现有计数模型更优异。

本发明授权基于步进先验学习的条件频域交互目标计数方法及装置在权利要求书中公布了：1.一种基于步进先验学习的条件频域交互目标计数方法，其特征在于，包括如下步骤： 步骤S1：采集目标图像并标注建立训练数据集、验证数据集； 步骤S2：设计条件频域交互目标计数模型，增强模型的表征能力，所述条件频域交互目标计数模型包括特征提取器、条件频域交互模块和回归器，特征提取器用于提取输入样本的高级语义特征，条件频域交互模块用于强化全局和局部的特征，回归器用于回归最终的密度图； 条件频域交互目标计数模型具体构建方法为： 步骤S2-1：利用预训练的网络模型提取输出样本x的特征yx，记为yx＝φx，θy，其中φ·，·为特征提取器，θy为网络参数； 步骤S2-2：利用一系列的卷积层对步骤S2-1得到的特征进行转换，得到变换后的特征其中为一系列的卷积操作，θz为卷积层的参数； 步骤S2-3：通过傅里叶变换函数将步骤S2-2中变换后的特征zx转换至频域上，分别获取变换后的特征zx对应的实部特征Rx和特征虚部Ix； 步骤S2-4：将步骤S2-2的输出zx分别经过的1×1卷积层和自适应平均池化层后获得条件映射进一步乘以可学习的卷积核得出条件卷积核 步骤S2-5：将步骤S2-2的输出zx分别经过的1×1卷积层和自适应平均池化层后获得条件映射进一步乘以可学习的卷积核得出条件卷积核 步骤S2-6：利用步骤S2-4中条件卷积核K0对步骤S2-3的实部特征Rx进行卷积，再经过一系列卷积层后获得条件实部特征 步骤S2-7：利用步骤S2-5中条件卷积核K1对步骤S2-3的实部特征Ix进行卷积，再经过一系列卷积层后获得条件实部特征 步骤S2-8：将步骤S2-6中获得的条件实部特征和步骤S2-7中获得的条件实部特征进行逆傅里叶变换，再加上步骤S2-2中变换后的特征zx后获得特征 步骤S2-9：将步骤S2-8中的特征输出经过回归器后得到密度预测图mx； 步骤S3：利用训练数据集对步骤S2中所述条件频域交互目标计数模型进行训练，在训练过程中，利用步进先验学习策略引导条件频域交互目标计数模型的学习； 步骤S4：采用验证数据集筛选评测指标上表现最好的频域自适应目标计数模型并保存； 步骤S5：返回执行步骤S3，直至模型训练完成，获得最终频域自适应目标计数模型； 步骤S6：采集待计数目标图像，将待计数目标图像输入最终频域自适应目标计数模型得到目标计数。

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。