买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利一种基于跨阶段特征交互网络的伪装目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119251617B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411346076.X，技术领域涉及：G06V10/774；该发明授权一种基于跨阶段特征交互网络的伪装目标检测方法是由赵于前;李明鸿;张帆;桂瑰;阳春华;桂卫华设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种基于跨阶段特征交互网络的伪装目标检测方法在说明书摘要公布了：本发明公开了一种基于跨阶段特征交互网络的伪装目标检测方法，应用于数据处理技术领域，其实施方案为：1获取伪装目标检测训练数据集；2构建伪装目标检测模型；3构建损失函数；4训练检测模型；5伪装目标检测。本发明构建的跨阶段特征交互网络，通过设计双向连接结构并搭配多尺度跨注意力调制融合策略，有效利用了相邻阶段骨干特征的相关性，使每个阶段的特征信息得以完善，增强模型特征表达能力，更好地探测出伪装目标与背景之间的差异，从而有效提升了伪装目标检测结果的准确率。

本发明授权一种基于跨阶段特征交互网络的伪装目标检测方法在权利要求书中公布了：1.一种基于跨阶段特征交互网络的伪装目标检测方法，其特征在于包括以下步骤： 1获取伪装目标检测训练数据集：从公共数据库中获取伪装目标图像和对应的检测标签； 2构建伪装目标检测模型：该模型由骨干模块、跨阶段特征感知颈部模块、预测头模块构成；输入图像经过骨干模块后，得到中间特征图、、和；将、、和输入到跨阶段特征感知颈部模块后，得到中间特征图、、和；将、、和输入到预测头模块后，得到最终检测图像，完成伪装目标检测模型的构建； 本步骤中所述的跨阶段特征感知颈部模块，由卷积层1、卷积层2、卷积层3、卷积层4、卷积层5、卷积层6、卷积层7、卷积层8、特征切分层1、特征切分层2、特征切分层3、特征切分层4、双向特征交互模块BFIM1、双向特征交互模块BFIM2、双向特征交互模块BFIM3、拼接层1、拼接层2、拼接层3和拼接层4构成；将中间特征图输入到卷积层1进行维度调整后，得到的结果输入到特征切分层1进行切分，得到两个子特征图和；将中间特征图输入卷积层2进行维度调整后，得到的结果输入到特征切分层2进行切分，得到两个子特征图和；将中间特征图输入到卷积层3进行维度调整后，得到的结果输入到特征切分层3进行切分，得到两个子特征图和；将中间特征图输入到卷积层4进行维度调整后，得到的结果输入到特征切分层4进行切分，得到两个子特征图和；不经任何变换得到中间特征图，即与相等；将和输入到双向特征交互模块BFIM1，得到两个中间特征图和；将和输入到双向特征交互模块BFIM2，得到两个中间特征图和；将和输入到双向特征交互模块BFIM3，得到两个中间特征图和；不经任何变换得到中间特征图，即与相等；将得到的中间特征图和输入到拼接层1进行拼接后，输入到卷积层5，得到中间特征图；将得到的中间特征图和输入到拼接层2进行拼接后，输入到卷积层6，得到中间特征图；将得到的中间特征图和输入到拼接层3进行拼接后，输入到卷积层7，得到中间特征图；将得到的中间特征图和输入到拼接层4进行拼接后，输入到卷积层8，得到中间特征图； 3构建损失函数： 构建以下联合损失函数： 其中表示加权二元交叉熵损失函数；表示加权交并比损失函数；为步骤2得到的最终检测结果；表示所对应的标签图像； 4训练检测模型：利用步骤1得到的伪装目标检测训练数据集训练步骤2构建完成的伪装目标检测模型，根据步骤3构建的损失函数得到损失值，并使用Adam优化器更新模型参数，直到损失不再下降，得到训练好的模型； 5伪装目标检测：用步骤4中训练好的伪装目标检测模型对测试集中的图像进行伪装目标检测，得到最终检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。