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！

龙图腾网获悉上海交通大学申请的专利基于强化学习的显著性目标排序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：CN119863681B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202411951682.4，技术领域涉及：G06V10/80；该发明授权基于强化学习的显著性目标排序方法是由李恒;高奇;柴新禹设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本基于强化学习的显著性目标排序方法在说明书摘要公布了：一种基于强化学习的显著性目标排序方法，在离线阶段构造环境Environment和智能体Actor并通过显著性目标排序数据集进行智能体与环境的交互训练得到场景中显著性目标排序的结果。本发明利用与环境进行动态交互来学习最优的排序策略，使得模型学会根据上下文信息、目标间的相互关系以及奖励信号等因素进行灵活的调整，从而模拟人类视觉注意的动态转移过程，生成更准确且实用的显著性目标排序结果，为视障患者的智能辅助工具、图像描述生成、人机交互、辅助决策、智能监控、自动驾驶、增强现实等领域的应用提供更具实用性的技术支撑。

本发明授权基于强化学习的显著性目标排序方法在权利要求书中公布了：1.一种基于强化学习的显著性目标排序方法，其特征在于，在离线阶段构造环境Environment和智能体Actor并通过显著性目标排序数据集进行智能体与环境的交互训练得到场景中显著性目标排序的结果； 所述的环境包括：环境候选生成器ECG、动作执行器和记忆单元，其中：ECG分割出原始图像中所有的目标实例并提取对应的目标实例特征后，经筛选得到具有显著性的待选目标实例及其特征集合；记忆单元以特征集合作为初始状态进行记录和状态维护，智能体根据初始状态依次进行空间上下文信息特征融合和时间上下文信息融合后，预测出所执行的动作的累计得分；动作执行器根据累计得分判断当前选定目标实例的整体表现优劣，进而根据设定的奖励策略对该动作进行奖励或惩罚以更新智能体的参数的同时，根据智能体选择的结果与已处理目标实例的关系，记录已经选择的目标实例及其次序，更新记忆单元中的状态，即剩余的待选目标实例及其特征集合； 所述的智能体包括：空间注意力模块SAM、时间注意力模块TAM和评分头ScoreHead，其中：空间注意力模块整合周围目标实例的信息，即空间上下文信息到目标实例特征中，时间注意力模块计算显著性目标之间的时间交互，即前一时间步注意到的目标实例影响下时间步注意到的目标实例的显著性程度，评分头预测选择每个动作Action的价值，即评分头预测的累计得分。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。