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！

龍圖騰網恭喜南京理工大學申請的專利一種用于空間目標同步檢測與分割的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：CN114898092B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202210396418.3，技術領域涉及：G06V10/26；該發明授權一種用于空間目標同步檢測與分割的方法是由王振東;宮辰;曹姝清設計研發完成，并于2022-04-15向國家知識產權局提交的專利申請。

本一種用于空間目標同步檢測與分割的方法在說明書摘要公布了：本發明提出了一種用于空間目標同步檢測與分割的方法，采用ResNet?FPN提取出多層不同尺度的特征圖，并對多層不同尺度的特征圖進一步做融合，在不同尺度特征圖上融合所有層的特征，盡可能保留淺層網絡的邊緣形狀等信息和深層網絡的語義信息，最后獲得的特征表達能力更強，應對小物體遺漏、幾何變換、圖像退化等問題效果更魯棒；設計多分類損失FocalLoss作為組件分類檢測時的損失函數，以避免挖掘困難樣本時，類別樣本不均的問題，在不損失推理速率的前提下，對空間目標的檢測和分割效果皆能保持穩定。

本發明授權一種用于空間目標同步檢測與分割的方法在權利要求書中公布了：1.一種用于空間目標同步檢測與分割的方法，其特征在于，所述方法包括：構建包括若干訓練樣本的訓練樣本集；所述訓練樣本中包括空間圖像以及與空間圖像對應的圖像標記；所述圖像標記包括空間圖像中的檢測標記、分割標記和類別標記，所述類別標記包括多種目標組件的類別標記；生成各訓練樣本的初始感興趣區域集合；利用ResNet-FPN網絡提取出各訓練樣本的多層特征圖，并在每層特征圖上融合其他所有特征圖的特征，得到各訓練樣本的多層融合特征圖；從訓練樣本的多層融合特征圖中提取出所述訓練樣本各初始感興趣區域的特征矩陣；構建目標檢測與分割網絡；所述目標檢測與分割網絡包括區域建議模型和檢測分割模型；所述區域建議模型用于根據各初始感興趣區域的特征矩陣判別對應的初始感興趣區域是否屬于背景，對所述初始感興趣區域集合中的初始感興趣區域進行篩選及優化；所述檢測分割模型用于對空間圖像中的多種目標組件進行類別標記預測、檢測標記預測以及分割標記預測；在所述區域建議模型中對感興趣區域的類別標記預測時，采用二分類損失作為其損失函數，而在所述檢測分割模型中類別標記預測時，采用多分類損失FocalLoss作為其損失函數；利用各訓練樣本的多層融合特征圖、所述初始感興趣區域集合、各初始感興趣區域的特征矩陣和所述訓練樣本集，分別對所述區域建議模型和所述檢測分割模型進行訓練，得到訓練好的目標檢測與分割網絡；使用訓練好的目標檢測與分割網絡，對待檢測圖像中的空間目標進行檢測與分割；利用各訓練樣本的多層融合特征圖、所述初始感興趣區域集合、各初始感興趣區域的特征矩陣和所述訓練樣本集，分別對所述區域建議模型和所述檢測分割模型進行訓練，具體包括：根據所述初始感興趣區域集合、各初始感興趣區域的特征矩陣和所述訓練樣本集，對所述區域建議模型中的第一分類檢測分支進行迭代訓練，得到訓練好的區域建議模型；在對所述第一分類檢測分支進行迭代訓練的過程中，以各初始感興趣區域的各個特征矩陣為所述第一分類檢測分支的輸入，以對應的感興趣區域在空間圖像中的類別標記和檢測標記為所述第一分類檢測分支的目標輸出；利用訓練好的所述區域建議模型對各訓練樣本的初始感興趣區域集合進行優化，得到各訓練樣本的優化感興趣區域集合；根據各訓練樣本的優化感興趣區域集合，采用自適應ROIAlign算法從對應的訓練樣本的多層融合特征圖中提取出各優化感興趣區域對應的多個優化特征矩陣；各優化特征矩陣的尺寸相同；將各優化感興趣區域對應的多個優化特征矩陣相加融合，得到各優化感興趣區域對應的融合優化特征矩陣；根據各訓練樣本的融合優化特征矩陣集合和各訓練樣本的圖像標記，依次對所述檢測分割模型中的第二分類檢測分支和分割分支進行迭代訓練，得到訓練好的檢測分割模型；在對所述第二分類檢測分支進行迭代訓練的過程中，以訓練樣本的融合優化特征矩陣集合為所述第二分類檢測分支的輸入，以所述訓練樣本中的類別標記和檢測標記為所述第二分類檢測分支的目標輸出；在對所述分割分支進行迭代訓練的過程中，以訓練樣本的融合優化特征矩陣集合為所述分割分支的輸入，以所述訓練樣本中的分割標記為所述分割分支的輸出；所述各訓練樣本的融合優化特征矩陣集合包括各訓練樣本所有優化感興趣區域對應的融合優化特征矩陣。

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南京理工大學，其通訊地址為：210094 江蘇省南京市玄武區孝陵衛200號南京理工大學；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”。