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卷积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：CN114882241B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210558583.4，技术领域涉及：G06V10/44；该发明授权一种基于卷积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;李武斌;吴宇凡;杨绿溪设计研发完成，并于2022-05-20向国家知识产权局提交的专利申请。

本一种基于卷积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卷积注意力机制的复杂背景下的目标检测方法，可用于对复杂背景下的前景目标进行精确检测。该发明主要包括：获取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；构建基于卷积注意力机制的人工神经网络模型ForegroundNet模型；在Pytorch深度学习平台上使用训练集对ForegroundNet网络模型进行监督训练；在所构建的测试集上评估收敛的ForegroundNet模型的检测性能。本发明与当前主要的复杂背景目标检测算法相比，能够对前景目标的边缘区域进行精确检测，从而实现更高的检测性能。本发明在测试集上的检测结果对应的平均绝对误差更低，增强对齐指标、结构指标及加权的F指标更高，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卷积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：1.一种基于卷积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：获取复杂背景目标检测数据集，构建训练集、验证集和测试集；步骤S2：构建基于卷积注意力机制的ForegroundNet网络模型；步骤S3：在所构建的训练集上对ForegroundNet网络模型进行监督训练，直到模型收敛到最优性能；步骤S4：将收敛的ForegroundNet网络模型在所构建的测试集上进行测试，评估模型在复杂背景下的检测性能；所述步骤S2中所构建的基于卷积注意力机制的ForegroundNet网络模型包含：特征提取模块，前景背景提议模块、特征生成模块和基于卷积注意力的特征融合解码模块；所述步骤S3具体包括：步骤S301：从所构建的训练集中随机抽取训练图片进行预处理，首先利用插值算法将输入图像和对应的真实标签的大小调整为H×W，H表示图像高度，W表示图像宽度；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ForegroundNet网络模型进行监督训练；步骤S302：ForegroundNet网络模型通过特征提取模块提取出多尺度抽象特征，前景背景提议模块基于输入特征进行前景背景分割图的提议，输出N层提议结果k＝1,2,...,N，提议结果中包含前景目标检测结果和背景目标检测结果随后特征生成模块基于提议结果生成前景特征、背景特征和边缘特征，基于卷积注意力的特征融合解码模块对每层的前景、背景和边缘特征进行融合解码，基于解码特征输出M层前景目标检测结果，用来表示，k＝N+1,N+2,...,N+M；步骤S303：基于提议结果和检测结果，计算模型在监督训练过程中的损失函数Loverall，其计算方法如式1所示， 其中，和分别表示第k层前景目标提议结果和背景目标提议结果对应的经过结构信息加权的交叉熵损失，和分别表示第k层前景目标提议结果和背景目标提议结果对应的经过结构信息加权的交并比损失；步骤S304：基于模型的整体损失函数Loverall，采用随机梯度下降优化算法对ForegroundNet模型的网络参数进行迭代更新；步骤S305：ForegroundNet网络模型在训练过程逐渐收敛到最优性能，随后将模型的网络参数固化，输入待检测图片进行前向计算，在输出的N+M层不同的检测结果中，选取尺度最大的前景目标检测结果作为模型的最终检测结果maskpred。

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”。