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)恭喜中國科學院信息工程研究所申請的專利一種基于對比學習的域適應物體檢測方法及裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114972964B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-30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)的專利申請?zhí)?專利號為：202210397702.2，技術領域涉及：G06V10/764；該發(fā)明授權(quán)一種基于對比學習的域適應物體檢測方法及裝置是由王蕊;鐘安雨;鄒聰設計研發(fā)完成，并于2022-04-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于對比學習的域適應物體檢測方法及裝置在說明書摘要公布了：本發(fā)明公開一種基于對比學習的域適應物體檢測方法及裝置，屬于計算機視覺技術領域，采用深度神經(jīng)網(wǎng)絡中的ResNet網(wǎng)絡，配合對比學習以及特征解耦模塊，能夠在數(shù)據(jù)集中只有源域圖像數(shù)據(jù)有標注而目標域圖像數(shù)據(jù)沒有標注的情況下匹配源域和目標域中的特征并從中解耦出域不變特征，并以域不變特征為基礎進行物體檢測。在訓練過程中利用對比學習實現(xiàn)了源域和目標域特征的對齊，提高了解耦后特征的一致性，獲得了更好的域不變特征，提升了在目標域上的物體檢測效果，結(jié)果具有高精度高召回率，表明網(wǎng)絡域適應能力很強。

本發(fā)明授權(quán)一種基于對比學習的域適應物體檢測方法及裝置在權(quán)利要求書中公布了：1.一種基于對比學習的域適應物體檢測方法，其特征在于，包括以下步驟：構(gòu)造由特征解耦提取模塊、物體檢測模塊和對比學習模塊組成的域適應物體檢測網(wǎng)絡；該特征解耦提取模塊以ResNet-101作為基礎卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)，包括淺層特征提取模塊、淺層特征解耦模塊、深層特征提取模塊和深層特征解耦模塊；對于輸入的圖像數(shù)據(jù)，該特征解耦提取模塊通過淺層特征提取模塊提取圖像的淺層特征圖，再通過淺層特征解耦模塊處理淺層特征圖得到域相關特征和域無關特征；再將域無關特征加入到淺層特征圖中，通過深層特征提取模塊提取深層特征圖，最后通過深層特征解耦模塊處理深層特征圖得到深層域相關特征和深層域無關特征；物體檢測模塊根據(jù)深層域無關特征對物體進行定位和分類；利用有標注的源域圖像數(shù)據(jù)集和無標注的目標域圖像數(shù)據(jù)集對域適應物體檢測網(wǎng)絡進行訓練；特征解耦提取模塊根據(jù)有標注的源域圖像數(shù)據(jù)集計算域相關特征和域無關特征，并計算淺層域相關特征和淺層域無關特征互信息損失函數(shù)、深層域相關特征和深層域無關特征的互信息損失函數(shù)以及深層特征圖的重建損失函數(shù)，采用上述兩種互信息損失函數(shù)、重建損失函數(shù)和一致性損失函數(shù)訓練特征解耦提取模塊中的淺層特征解耦模塊和深層特征解耦模塊；采用分類損失函數(shù)和回歸損失函數(shù)訓練物體檢測模塊；對比學習模塊保存所述源域圖像數(shù)據(jù)集經(jīng)特征解耦提取模和物體檢測模塊處理所得到的特征以及對應的標簽，以及所述目標域圖像數(shù)據(jù)集經(jīng)特征解耦提取模和物體檢測模塊處理所得到的特征以及對應的偽標簽，對這兩種特征進行對比學習，采用對比損失函數(shù)優(yōu)化特征解耦提取模塊所包含的所有模塊；將待檢測的目標域圖片輸入到訓練完成的域適應物體檢測網(wǎng)絡，對目標域圖像中的物體進行定位和分類。

如需購買、轉(zhuǎn)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?quán)人中國科學院信息工程研究所，其通訊地址為：100093 北京市海淀區(qū)閔莊路甲89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)”。