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！

龙图腾网获悉广西科学院申请的专利一种基于动态信息融合的跨域小样本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：CN121095546B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511230853.9，技术领域涉及：G06V10/25；该发明授权一种基于动态信息融合的跨域小样本目标检测方法是由邬满;文莉莉;黎思巧;李喆设计研发完成，并于2025-08-30向国家知识产权局提交的专利申请。

本一种基于动态信息融合的跨域小样本目标检测方法在说明书摘要公布了：本发明公开一种基于动态信息融合的跨域小样本目标检测方法，涉及工业缺陷检测等领域，旨在解决跨域小样本场景下域间分布差异、标注稀缺等问题。具体包括先划分源目标数据集，构建含双分支的DIC‑ViT模型，共享DINOv2骨干网络提取特征；再通过区域提议网络生成锚框，结合IoU值与类别中心距离双重判据优化样本划分；随后经动态信息耦合模块实现特征自适应融合，对比学习模块生成判别性类别原型；最后用含分类、回归、对比损失的目标函数优化模型。该方法能提升目标检测鲁棒性与精度，在多数据集测试中表现优异，适用于样本稀缺的检测场景。

本发明授权一种基于动态信息融合的跨域小样本目标检测方法在权利要求书中公布了：1.一种基于动态信息融合的跨域小样本目标检测方法，其特征在于，步骤如下： S1、定义跨域小样本目标检测任务：将数据集划分为含充足标注样本的源数据集和含K-shot样本目标数据集，明确源数据集的数据分布PS与目标数据集的数据分布PT，测试任务采用N-wayK-shot设定，每个任务含N个类别，每类别选择r个标注实例作为支持集S，其余未标注样本作为查询集Q； S2、构建DIC-ViT网络模型并提取基础特征：DIC-ViT网络模型包含查询分支和支持分支，查询分支和支持分支共享基于ViT架构的DINOv2骨干网络权重；给定一个查询图像q和每个类别的r个支持图像s，查询图像q属于查询集Q，支持图像s属于支持集S，将查询图像q输入查询分支，支持集图像输入支持分支，通过DINOv2骨干网络分别提取查询特征和支持特征； S3、通过DIC-ViT网络模型内置的区域提议网络生成候选锚框，再经区域提议重筛选模块优化样本划分，其中区域提议网络嵌入DIC-ViT网络模型的候选区域生成流程，基于S2提取的查询特征和支持特征，通过预设多尺度、多长宽比锚点机制生成若干可能包含目标的候选锚框；区域提议重筛选模块基于S2提取的支持特征计算各类别中心向量，结合“锚框与真实目标框的IoU值”和“锚框到对应类别中心的度量距离”双重判据划分正负样本，并在训练过程中动态更新类别中心向量； S4、通过动态信息耦合模块实现特征自适应融合：动态信息耦合模块接收S2输出的查询特征和支持特征、以及S3中经区域提议网络生成且区域提议重筛选模块筛选后的候选区域信息，先通过稀疏局部注意力实现查询特征信息耦合以聚焦关键区域，再通过门控注意力实现支持特征信息融合以动态加权，生成定制化查询特征和耦合后支持特征； S5、通过对比学习模块生成判别性原型，以S4输出的耦合后支持特征为输入，先通过特征嵌入层转换为紧凑的判别性向量，再通过对比原型生成器迭代优化生成类别原型； S6、采用目标函数L对模型参数进行优化，所述目标函数L的公式表示为： ； 其中，表示检测头基于S4的定制化查询特征与S5的类别原型计算的分类损失、表示检测头基于计算的回归损失，表示S5的对比学习模块生成的对比损失。

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广西科学院，其通讯地址为：530007 广西壮族自治区南宁市大学大岭路98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。