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！

龙图腾网恭喜深圳万知达企业管理有限公司申请的专利一种自监督可重参数化太赫兹图像危险品实例分割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：CN117853732B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202410087737.5，技术领域涉及：G06V10/26；该发明授权一种自监督可重参数化太赫兹图像危险品实例分割方法是由吴衡;郭梓杰;罗劭娟;陈梅云设计研发完成，并于2024-01-22向国家知识产权局提交的专利申请。

本一种自监督可重参数化太赫兹图像危险品实例分割方法在说明书摘要公布了：本发明公开了一种自监督可重数化太赫兹图像危险品实例分割方法，包括：对太赫兹人体隐匿危险品安检图像数据集进行数据增强；通过增强后的数据集预训练自监督学习图像掩码建模增强模型，获取自监督学习图像掩码建模增强模型的编码器参数；将自监督学习图像掩码建模增强模型的编码器作为实例分割模型的初始特征提取主干网络；迁移编码器参数，通过未增强的太赫兹人体隐匿危险品安检图像数据集微调实例分割模型的初始特征提取主干网络，获取实例分割模型的特征提取主干网络；将待分割的人体隐匿危险品安检图像输入实例分割模型的特征提取主干网络，提取多尺度特征，将多尺度特征进行集成，并进行动态解耦，获取危险品检测分割结果。

本发明授权一种自监督可重参数化太赫兹图像危险品实例分割方法在权利要求书中公布了：1.一种自监督可重参数化太赫兹图像危险品实例分割方法，其特征在于，具体包括以下步骤：获取太赫兹人体隐匿危险品安检图像数据集，并对所述太赫兹人体隐匿危险品安检图像数据集进行数据增强；通过增强后的所述太赫兹人体隐匿危险品安检图像数据集预训练自监督学习图像掩码建模增强模型，获取所述自监督学习图像掩码建模增强模型的编码器参数；所述自监督学习图像掩码建模增强模型，用于基于的图像掩码建模方法提取特征能力；其中，所述基于的图像掩码建模方法由编码器和解码器构成，将所述增强后的太赫兹人体隐匿危险品安检图像数据集进行随机遮挡，未遮挡的像素作为稀疏体素，采用稀疏卷积进行编码，所述编码器输出若干个层级的特征图，并获取目标级别的特征，多级特征融合模块收集若干个所述目标级别的特征进行优化并传递至所述解码器进行图像重建；所述多级特征融合模块收集若干个所述目标级别的特征进行优化并传递至所述解码器进行图像重建之前还包括：在每个层级中，基于所述目标级别的特征，通过最大池化、上采样操作调整每个级别，实现特征尺寸对齐，并采用卷积实现通道数对齐，即： 其中，，，代表卷积改变通道数到，代表双线性插值，代表恒等映射，代表最大池化特征图到分辨率，为第层中第个级别经过对齐后输出的特征图，为第层特征图的参考高度，为第层特征图的参考宽度，为编码器输出层数量；通过所述增强后的太赫兹人体隐匿危险品安检图像数据集预训练所述自监督学习图像掩码建模增强模型，获取所述自监督学习图像掩码建模增强模型的编码器参数包括：所述自监督学习图像掩码建模增强模型包括特征细化融合模块；将所述自监督学习图像掩码建模增强模型作为自主监督学习的编码器，并通过所述特征细化融合模块将所述增强后的太赫兹人体隐匿危险品安检图像数据集中的图像进行融合，获取融合后的特征图；填充稀疏特征映射所有空白位置，采用所述解码器对所述融合后的特征图进行解码和重建，完成所述自监督学习图像掩码建模增强模型的预训练，进而获取所述自监督学习图像掩码建模增强模型的编码器参数；将所述自监督学习图像掩码建模增强模型的编码器作为实例分割模型的初始特征提取主干网络；迁移所述编码器参数，通过未增强的所述太赫兹人体隐匿危险品安检图像数据集微调所述实例分割模型的初始特征提取主干网络，获取所述实例分割模型的特征提取主干网络；将待分割的人体隐匿危险品安检图像输入所述实例分割模型的特征提取主干网络，提取多尺度特征，将所述多尺度特征进行集成，并进行动态解耦，获取危险品检测分割结果。

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深圳万知达企业管理有限公司，其通讯地址为：518000 广东省深圳市龙华区大浪街道同胜社区华兴路13号智云产业园A栋1003；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”。