買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜杭州電子科技大學申請的專利基于多級分離特征增強和空間注意力的標簽文本檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116486394B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310510003.9，技術領域涉及：G06V20/62；該發明授權基于多級分離特征增強和空間注意力的標簽文本檢測方法是由胡海洋;馮凱華;朱寅城設計研發完成，并于2023-05-08向國家知識產權局提交的專利申請。

本基于多級分離特征增強和空間注意力的標簽文本檢測方法在說明書摘要公布了：本發明公開基于多級分離特征增強和空間注意力的標簽文本檢測方法。獲取工業產品標簽文本圖像并預處理，放入ResNet50HS?Block，獲得充分的感受野，得到多尺度特征圖；采用雙分支設計思想，將特征圖分別送入SAFFMG和CFPEM來提取多尺度的特征信息，然后將融合雙分支生成的特征圖經過簡單的拼接和卷積操作后，經檢測頭Head預測實例向量、文本區域、文本核；將實例向量、文本區域、文本核通過融合背景的像素聚合算法PA獲得檢測結果。本發明方法適用各種復雜工廠環境，以及不受限工業標簽形狀、位置不一，采用的網絡模型在檢測速度滿足基本要求的情況下，準確率顯著高于現有模型。

本發明授權基于多級分離特征增強和空間注意力的標簽文本檢測方法在權利要求書中公布了：1.基于多級分離特征增強和空間注意力的標簽文本檢測方法，其特征在于所述方法包括以下步驟：步驟1、對工業產品進行拍攝，獲取工業產品標簽文本圖像，并對所述工業產品標簽文本圖像進行預處理；步驟2、將預處理后的文本圖像放入ResNet50HS-Block，獲得充分的感受野，得到多尺度特征圖；所述ResNet50HS-Block以ResNet50網絡為骨架，用多級分離模塊Hierarchical-SplitBlock替換原有3×3卷積模塊；步驟3、采用雙分支設計思想，將ResNet50HS-Block輸出的多尺度特征圖分別送入基于空間注意力的特征融合模塊SAFFMG和漸進式融合的特征金字塔模塊CFPEM，提取多尺度的特征信息；所述基于空間注意力的特征融合模塊SAFFMG，用以提取多尺度的特征信息，具體是：對所述ResNet50HS-Block輸出的不同尺度的特征映射經過上采樣和疊加操作后被縮放成相同的分辨率，得到特征映射然后將上述特征映射X1進行串接，再通過一次3×3的卷積得到中間特征將中間特征M輸入到空間注意力模塊SpatialAttention中，計算空間注意力權重根據空間注意力權重對N個特征映射加權，獲取融合特征所述空間注意力模塊SpatialAttention對輸入特征分別進行最大池化操作和平均池化操作，之后進行Concat拼接，再對拼接后的特征與原輸入特征再次融合，接著做一次卷積，得到空間注意力權重所述漸進式融合的特征金字塔模塊CFPEM包括特征金字塔增強模塊FPEM和特征融合模塊FFM；特征金字塔增強模塊FPEM由兩個階段組成，分別為升尺度增強和降尺度增強；升尺度增強的輸出階段，將當前模塊的輸入與降尺度增強產生的特征進行逐元素相加得到結果；特征融合模塊FFM將特征金字塔增強模塊FPEM的所有結果進行特征融合；步驟4、將基于空間注意力的特征融合模塊SAFFMG和漸進式融合的特征金字塔模塊CFPEM輸出的特征圖經過簡單的拼接和卷積操作后，經輕量級的檢測頭Head預測得到對應的實例向量、文本區域、文本核；將實例向量、文本區域、文本核通過融合背景的像素聚合算法PA獲得最終的檢測結果；所述融合背景的像素聚合算法PA具體是：將不同的實例向量作為不同的聚類，其文本核即為聚類中心，文本區域內的像素即為待聚類樣本；在同一文本行內，為了引導像素走向相應的文本核，兩者之間的距離應該最小化；聚類中心需要保證足夠的區分度，因此，文本核的實例向量需要與相鄰的文本核保持一定的距離；在此基礎上，引入對背景像素的區分。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。