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！

龙图腾网获悉合肥工业大学申请的专利基于局部-全局可见性分析的X光图像遮挡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：CN118968027B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411106661.2，技术领域涉及：G06V10/25；该发明授权基于局部-全局可见性分析的X光图像遮挡目标检测方法是由严沁;谢昭;张俊晨;张岩;党存远;王卫东;常振涛;吴克伟设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本基于局部-全局可见性分析的X光图像遮挡目标检测方法在说明书摘要公布了：本发明公开了一种局部‑全局可见性分析的X光图像遮挡目标检测方法。本发明使用YOLOv8，提取局部块特征，并计算多种局部的可见性mask，和局部的可见性特征。本发明计算局部块之间的全局关系，并计算多种全局的可见性mask，和全局的可见性特征。为了验证遮挡目标情况下，可见性mask估计的准确性，本方法在训练目标检测模型时，额外计算局部‑全局可见性mask损失，和遮挡得分梯度调整损失。本发明考虑了局部‑全局可见性mask损失，和梯度调整损失，可以有效分析目标的可见性mask，缓解遮挡目标的漏检。

本发明授权基于局部-全局可见性分析的X光图像遮挡目标检测方法在权利要求书中公布了：1.一种基于局部-全局可见性分析的X光图像遮挡目标检测方法，其特征在于：具体包括以下步骤：S1：提取X光图像局部的可见性特征；S2：提取X光图像全局的可见性特征；S3：利用局部可见性特征和全局可见性特征生成预测框；S4：训练可见性注意力模型；S5：利用可见性注意力模型检测X光图像遮挡目标类别；步骤S1所述的提取X光图像局部的可见性特征，具体包括以下步骤：S1-1：输入X光图像数据集；S1-2：将X光图像x，输入YOLOv8模型，提取第21层处理之后的特征F∈RC×H×W，其中C表示通道数，H表示高，W表示宽；S1-3：将特征F划分为高为k、宽为k的块[k，k]，对每个块内的特征值求和，得到局部块特征LF＝{LFj}，LF∈RC×h×w，j表示块的下标索引，其取值为{1，...，hw}，C表示通道数，S1-4：计算局部块得分；S1-5：计算多种局部的可见性mask；S1-6：提取局部的可见性特征LVF∈RC×h×w；步骤S2所述的提取X光图像全局的可见性特征，具体包括以下步骤：S2-1：计算注意力机制中Query、Key、Value的值；S2-2：计算注意力权重attention∈Rhw×hw，为： 其中，softmax函数用于将相似度进行归一化，Trans为转置操作；S2-3：计算全局块特征；S2-4：计算全局块得分：S2-5：计算多种全局的可见性mask；S2-6：提取全局的可见性特征GVF∈RC×h×w；步骤S3所述的利用局部可见性特征和全局可见性特征生成预测框，具体包括以下步骤：S3-1：将局部的可见性特征LVF和全局的可见性特征GVF合并，得到混合可见性特征HVF∈RC×h×w，为： S3-2：将HVF输入YOLOv8的预测头，获得预测头的输出，包括预测类别得分ps、预测边界框距pd和预测边界pb，生成YOLOv8的预测框；S3-3：计算多种可见性mask损失lossmask；S3-4：计算YOLOv8的分类损失和回归损失；S3-5：计算得分梯度调整特征RHVF∈RC×h×w；S3-6：将RHVF输入YOLOv8的预测头，获得预测头的输出，包括预测类别得分ps′、预测边界框距离pd′和预测边界框pb′，生成梯度调整后的预测框；S3-7：计算梯度调整后的分类损失和回归损失。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市蜀山区丹霞路485号(合肥工业大学翡翠湖校区)；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”。