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！

龍圖騰網恭喜浙江華是科技股份有限公司申請的專利一種基于多模態模型的無監督船舶檢測方法及系統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：CN119559384B 。

龍圖騰網通過國家知識產權局官網在2025-05-30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：202510131746.4，技術領域涉及：G06V10/25；該發明授權一種基于多模態模型的無監督船舶檢測方法及系統是由吳顯德;季航鋒;戴德坤;楊姍姍;余鳳寅;張進虎;麻策維設計研發完成，并于2025-02-06向國家知識產權局提交的專利申請。

本一種基于多模態模型的無監督船舶檢測方法及系統在說明書摘要公布了：本發明公開一種基于多模態模型的無監督船舶檢測方法及系統。其中，該方法修改原始船舶檢測模型，使原始船舶檢測模型增加匹配模塊，從而使船舶檢測特征增加特征匹配監督，提高了船舶檢測的準確率；采用多模態模型對訓練集進行自動化標定，無需耗費人力進行人工標定，大大提高了效率；船舶檢測模型在損失結構中增加多模態模型監督，進一步提高了船舶檢測的準確率。

本發明授權一種基于多模態模型的無監督船舶檢測方法及系統在權利要求書中公布了：1.一種基于多模態模型的無監督船舶檢測方法，其特征在于，包括：S1、根據原始船舶檢測模型和匹配模塊構建目標船舶匹配模型；S2、將人工標定訓練集中的每個目標摳取，得到第一圖片集；將第一圖片集輸入到所述目標船舶匹配模型中，得到每個目標的第一特征序列；將無標定訓練集輸入到SAM分割模型中得到每個目標的第一坐標；并將每個目標摳取，得到第二圖片集；將第二圖片集輸入到clip多模態模型中，得到每個目標的第一類別、第一置信度；將第二圖片集輸入到所述目標船舶匹配模型中，得到每個目標的第二特征序列；根據第一圖片集中每個目標的第一特征序列和第二圖片集中每個目標的第二特征序列，得到第二圖片集中每個目標的第二類別、第二置信度；S3、將無標定訓練集輸入到第一船舶檢測模型中進行預測，得到每張圖片中每個目標的第三類別、第二坐標和第三置信度；S4、將無標定訓練集輸入到第二船舶檢測模型中進行預測，得到每張圖片中每個目標的第四類別、第三坐標和第四置信度；根據第四類別、第三類別、第二類別、第一類別、第三坐標、第二坐標、第一坐標、第四置信度、第三置信度、第二置信度、第一置信度計算得到無標定訓練集中當前張圖片中當前目標的第一損失值、第二損失值、第三損失值；S5、根據無標定訓練集中每張圖片中每個目標的第二坐標對每個目標進行摳取，得到第三圖片集；將第三圖片集輸入到所述目標船舶匹配模型中，得到每個目標的第五類別、第五置信度，將第三圖片集輸入到所述clip多模態模型中，得到每個目標的第六類別、第六置信度；根據第二坐標、第一坐標、第三類別、第四類別、第五類別、第六類別、第三置信度、第四置信度、第五置信度、第六置信度計算得到無標定訓練集中當前張圖片中當前目標的第四損失值；S6、根據無標定訓練集中所有目標的第一損失值、第二損失值、第三損失值、第四損失值的和值反向更新所述第二船舶檢測模型；S7、重復所述S2～S6，若和值在第一預設范圍內波動停止訓練，將最后更新的第二船舶檢測模型作為目標船舶檢測模型；將待檢測船舶圖片輸入到所述目標船舶檢測模型中進行檢測，得到目標類別和位置；所述S1包括：S11、將人工標定訓練集進行復制并將復制后的人工標定訓練集中的每張圖片只保存一個類別的目標，得到更新訓練集；S12、在原始船舶檢測模型的主干網絡中增加匹配模塊，得到原始船舶匹配模型，并凍結原始船舶檢測模型的主干網絡的參數；S13、將更新訓練集輸入到原始船舶檢測模型中進行預測，得到每張圖片的類別、坐標、置信度；S14、根據更新訓練集中每張圖片預測的類別、坐標、置信度以及人工標定的類別、坐標將更新訓練集進行篩選，將篩選后的更新訓練集通過原始船舶匹配模型進行訓練，得到每張圖片的特征向量；S15、根據篩選后的更新訓練集中所有圖片的特征向量計算得到匹配總損失值，根據匹配總損失值反向更新所述匹配模塊；S16、重復S13～S15，直至最后計算得到的匹配總損失值在第二預設范圍內波動停止訓練，得到目標船舶匹配模型；其中，所述匹配模塊用于將主干網絡輸出的特征圖進行自注意力操作，得到自注意力特征圖；將自注意力特征圖與主干網絡輸出的特征圖進行相加，得到融合特征圖；將融合特征圖進行卷積操作；將卷積操作后的融合特征圖進行全局最大池化和全卷積操作，得到1*512維的特征向量。

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浙江華是科技股份有限公司，其通訊地址為：311100 浙江省杭州市余杭區閑林街道嘉企路16號3幢1樓；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”。