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！

龙图腾网恭喜东南大学申请的专利一种基于双边注意力机制的复杂背景下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：CN114677571B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210317817.6，技术领域涉及：G06V10/80；该发明授权一种基于双边注意力机制的复杂背景下目标检测方法是由李春国;罗顺;刘周勇;杨绿溪设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本一种基于双边注意力机制的复杂背景下目标检测方法在说明书摘要公布了：本发明公开了一种基于双边注意力机制的复杂背景下的目标检测方法，可用于在复杂背景下进行精确的前景目标检测。该发明主要包括：根据公开的复杂背景下目标检测数据集，构建训练集、验证集和测试集；构建基于双边注意力机制的人工神经网络检测模型Bi‑SINet；在Pytorch深度学习平台上运用SGD优化器优化Bi‑SINet模型；在所构建的测试集上评估收敛的Bi‑SINet网络模型的检测性能。本发明相比当前主要的复杂背景下的目标检测算法SINet能取得更好的检测性能。本发明在降低了平均绝对误差的同时，实现了更高的增强‑对齐指标、结构指标及加权的F指标，是一种更加精确的复杂背景下的目标检测算法。

本发明授权一种基于双边注意力机制的复杂背景下目标检测方法在权利要求书中公布了：1.一种基于双边注意力机制的复杂背景下的目标检测方法，其特征在于，该方法包括如下步骤：步骤S1：根据公开的复杂背景下的目标检测数据集，构建训练集、验证集和测试集；步骤S2：构建基于双边注意力机制的Bi-SINet网络模型，利用所构建的训练集对Bi-SINet网络模型进行监督训练，直到模型收敛到最优性能；步骤S3：将收敛的Bi-SINet网络模型在所构建的测试集上进行测试，根据检测结果评估模型性能；所述步骤S1中目标检测数据集包含数据集COD10K、数据集CAMO和数据集CHAMELEON；所述步骤S2具体包括：步骤S201：对训练数据进行预处理，首先利用双线性插值法将原始图像大小调整为384×384，并调整对应的真实标签，随后进行图像数据增强处理，最后将图像进行归一化处理后输入Bi-SINet网络模型进行训练；步骤S202：Bi-SINet网络模型对输入图像进行特征提取，随后将提取到的多层特征输入渐进式的检测框架中进行检测；渐进式的检测框架会基于每层特征进行前景目标分割，共输出N个不同尺度的检测结果，用来表示；步骤S203：在训练阶段，采用交叉熵损失函数和交并比损失函数对模型输出的N个检测结果进行监督训练，总体损失函数可以用Loverall来表示，其计算公式为： 其中，表示第k层检测结果与真实标签之间的结构加权后的交叉熵损失，而则表示第k层检测结果与真实标签之间的结构加权后的交并比损失，它们的计算表达式分别为： 其中，H表示图像高度，W表示图像宽度，和maskGTx,y分别表示第k层预测结果和真实标签中位置坐标为x,y的值，γ是和结构权重相关的参数，wx,y表示坐标为x,y的位置对应的结构权重，其表达式如下： 其中，Axy表示坐标为x,y的像素周围像素的集合；步骤S204：在训练过程中，采用随机梯度下降优化算法对网络参数进行迭代更新，同时以多项式法对学习率进行衰减；训练过程中，间隔若干次迭代使用所构建的验证集对模型性能进行验证，确保模型收敛到最优性能；步骤S205：利用优化收敛后固定参数的Bi-SINet网络模型对输入的待检测图像进行前向计算，即可获得前景目标分割图作为检测结果。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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”。