買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜杭州電子科技大學(xué);杭州電子科技大學(xué)信息工程學(xué)院申請(qǐng)的專(zhuān)利基于稀疏區(qū)域提取的目標(biāo)檢測(cè)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119625288B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510155496.8，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)基于稀疏區(qū)域提取的目標(biāo)檢測(cè)方法及系統(tǒng)是由葉巖明;成凱龍;張海平;申興發(fā)設(shè)計(jì)研發(fā)完成，并于2025-02-12向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于稀疏區(qū)域提取的目標(biāo)檢測(cè)方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于稀疏區(qū)域提取的目標(biāo)檢測(cè)方法及系統(tǒng)。本發(fā)明首先提取待檢測(cè)圖像特征并進(jìn)行融合增強(qiáng)，得到不同分辨率的增強(qiáng)特征；然后針對(duì)高分辨率特征，通過(guò)稀疏區(qū)域提取模塊篩選出特征窗口；接著基于特征窗口生成第一先驗(yàn)框，并通過(guò)第一目標(biāo)檢測(cè)頭模塊預(yù)測(cè)其類(lèi)別和偏移量；同時(shí)針對(duì)其余增強(qiáng)特征生成第二先驗(yàn)框，并通過(guò)第二目標(biāo)檢測(cè)頭模塊進(jìn)行預(yù)測(cè)；最后將所有先驗(yàn)框按偏移量偏移后加入候選錨框集合，通過(guò)非極大值抑制得到最終的目標(biāo)檢測(cè)框。本發(fā)明對(duì)高分辨率特征進(jìn)行了稀疏區(qū)域提取，篩選了重點(diǎn)的部分區(qū)域進(jìn)行小尺寸目標(biāo)的檢測(cè)，而其余的低分辨率特征則進(jìn)行正常的全局目標(biāo)檢測(cè)，從而在提高小尺寸目標(biāo)檢測(cè)準(zhǔn)確性的同時(shí)提升了檢測(cè)效率。

本發(fā)明授權(quán)基于稀疏區(qū)域提取的目標(biāo)檢測(cè)方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于稀疏區(qū)域提取的目標(biāo)檢測(cè)方法，其特征在于，包括：S1、針對(duì)輸入的待檢測(cè)圖像，利用特征提取模塊從中提取圖片特征，再通過(guò)特征融合模塊對(duì)圖片特征進(jìn)行融合增強(qiáng)，得到不同分辨率的增強(qiáng)特征，并以分辨率最高的兩層增強(qiáng)特征作為第一特征，其余增強(qiáng)特征均作為第二特征；S2、針對(duì)每層所述第一特征，將其輸入稀疏區(qū)域提取模塊中，在模塊內(nèi)部依次經(jīng)過(guò)補(bǔ)丁嵌入層、窗口多頭自注意力層、移動(dòng)窗口多頭自注意力層、層歸一化層后，通過(guò)卷積層將通道數(shù)壓縮為1，再將壓縮后的單通道特征劃分為一系列窗口，計(jì)算每個(gè)窗口內(nèi)像素的最大值與平均值的加權(quán)和并作為窗口被選中的概率值，從所有窗口中篩選出所述概率值最大的一部分窗口作為特征窗口；S3、針對(duì)每層所述第一特征，基于所有特征窗口中的每個(gè)特征點(diǎn)生成多個(gè)第一先驗(yàn)框，并將所有特征窗口在所述第一特征中的局部特征塊進(jìn)行拼接后輸入第一目標(biāo)檢測(cè)頭模塊中，通過(guò)第一類(lèi)別預(yù)測(cè)分支和第一框預(yù)測(cè)分支分別獲得每個(gè)第一先驗(yàn)框的預(yù)測(cè)類(lèi)別和偏移量；S4、針對(duì)每層所述第二特征，基于第二特征中的每個(gè)特征點(diǎn)生成多個(gè)第二先驗(yàn)框，并將第二特征直接輸入第二目標(biāo)檢測(cè)頭模塊中，通過(guò)第二類(lèi)別預(yù)測(cè)分支和第二框預(yù)測(cè)分支分別獲得每個(gè)第二先驗(yàn)框的預(yù)測(cè)類(lèi)別和偏移量；S5、將所有第一先驗(yàn)框和所有第二先驗(yàn)框按照各自的偏移量進(jìn)行偏移后加入候選錨框集合，然后通過(guò)非極大值抑制模塊去除冗余錨框，最終獲得待檢測(cè)圖像中所有目標(biāo)的檢測(cè)框。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué);杭州電子科技大學(xué)信息工程學(xué)院，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號(hào)大街；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)”。