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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中山大學申請的專利基于區(qū)域無監(jiān)督顯著性檢測的船舶分割方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN115170796B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210556492.7，技術領域涉及：G06V10/26；該發(fā)明授權基于區(qū)域無監(jiān)督顯著性檢測的船舶分割方法是由賴劍煌;周華君;謝曉華設計研發(fā)完成，并于2022-05-20向國家知識產(chǎn)權局提交的專利申請。

本基于區(qū)域無監(jiān)督顯著性檢測的船舶分割方法在說明書摘要公布了：本發(fā)明公開了一種基于區(qū)域無監(jiān)督顯著性檢測的船舶分割方法，包括：步驟1、訓練得到一個顯著性檢測器；其中，所述訓練得到一個顯著性檢測器包括顯著性偽標簽生成、顯著性檢測器訓練；步驟2、基于區(qū)域顯著性檢測的船舶圖像分割，利用步驟1中得到的顯著性檢測器，提取出船舶圖像中每個邊界框中船只掩膜。本發(fā)明的顯著性檢測模型能夠自適應地通過圖像高級特征之間的關聯(lián)性挖掘出顯著性信息，具有很強的魯棒性，達到了領域內(nèi)最先進的性能。同時，本發(fā)明利用圖像中物體的邊界框信息，能夠準確且高效地為圖像中所有船舶生成掩膜。與其它替代方法相比，分割性能取得了較大幅度的提升，且具有更好的泛化性能。

本發(fā)明授權基于區(qū)域無監(jiān)督顯著性檢測的船舶分割方法在權利要求書中公布了：1.一種基于區(qū)域無監(jiān)督顯著性檢測的船舶分割方法，其特征在于，包括：步驟1、訓練得到一個顯著性檢測器；其中，所述訓練得到一個顯著性檢測器包括顯著性偽標簽生成、顯著性檢測器訓練；步驟2、基于區(qū)域顯著性檢測的船舶圖像分割，利用步驟1中得到的顯著性檢測器，提取出船舶圖像中每個邊界框中船只掩膜；所述顯著性偽標簽生成具體為：使用在ImageNet數(shù)據(jù)集上無監(jiān)督預訓練的ResNet-50作為編碼器，從原始圖像中提取出多層次特征；在所述多層次特征后面分別增加額外的SE模塊來進一步增強所述多層次特征；將所述多層次特征融合到一起后再使用一個SE模塊進行增強，最后輸出一個特征圖，所述特征圖中每個像素點的值稱為激活值；設計一個自適應決策邊界從所述特征圖中找到潛在的顯著性區(qū)域，將自適應決策邊界簡化為一個閾值，將所述原始圖像的全局均值作為所述閾值，將所述特征圖所有像素點的激活值減去所述閾值，隨后使用Sigmoid函數(shù)變換到0-1之間，變換后的結果即為生成的顯著性圖；加大所述特征圖所有像素點到所述全局均值的距離，挖掘更多的顯著性信息，將生成的顯著性信息結果經(jīng)過條件隨機場后處理得到顯著性偽標簽；所述顯著性偽標簽生成采用以下公式： 其中是指網(wǎng)絡在第i個像素的激活值，而是指整張圖像上的均值，pi是最終的顯著性預測，σ是sigmoid函數(shù)，根據(jù)輸出的均值定義一個自適應的決策邊界，并且定義每個像素到?jīng)Q策邊界的距離為|pi-σ0|2；所述顯著性檢測器訓練具體為：使用在ImageNet數(shù)據(jù)集上無監(jiān)督預訓練的ResNet-50作為編碼器，從原始圖像中提取出多層次特征；在所述多層次特征后面分別通過卷積層、殘差注意力網(wǎng)絡處理后，得到顯著性檢測器。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >中山大學，其通訊地址為：510275 廣東省廣州市海珠區(qū)新港西路135號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。