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！

龙图腾网恭喜电子科技大学申请的专利一种基于自监督学习的全景图像显著性预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：CN115631121B 。

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：202211344155.8，技术领域涉及：G06T5/50；该发明授权一种基于自监督学习的全景图像显著性预测方法是由叶茂;邹子壮设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种基于自监督学习的全景图像显著性预测方法在说明书摘要公布了：本发明公开了一种基于自监督学习的全景图像显著性预测方法，包括以下步骤：S1、利用无标签ERP图像集训练编码器，包括以下子步骤：S11、将ERP图像投影到球面，得到图像组Ci和标签Pi；S12、对Ci进行随机打乱；S13、进行编码器训练，构建全局特征提取网络与局部特征提取网络，并通过特征融合学习这两者的特征，对全局特征提取网络的模型参数进行更新；S2、进行解码器训练；S3、将待识别的全景图像输入训练好的编码器中进行特征提取，然后将提取的特征输入解码器中，得到最终的显著性预测。本发明利用大量未标签的全景图像，对显著性模型中的编码器进行针对性训练，缓解显著性标签缺少所带来模型表现不佳的现象。

本发明授权一种基于自监督学习的全景图像显著性预测方法在权利要求书中公布了：1.一种基于自监督学习的全景图像显著性预测方法，其特征在于，包括以下步骤：S1、利用无标签ERP图像集训练编码器，包括以下子步骤：S11、格式转换：将ERP图像投影到球面，得到CMP图像组Ci和标签Pi，i＝1,…,6；S12、对Ci进行随机打乱得到ci，并根据ci的原始位置对Pi进行更新得到代理任务的标签S13、进行编码器训练，构建全局特征提取网络与局部特征提取网络并将全局特征和局部特征作为输入，通过特征融合学习这两者的特征，对全局特征提取网络的模型参数进行更新；全局特征提取网络与局部特征提取网络分别为： 其中FE是全局特征，是局部特征，E表示ERP图像；-代表特征提取网路的推理过程，全局特征提取网络与局部特征提取网络均采用VGG16去掉尾部5层后的模型；然后将得到的全局特征FE和局部特征一起联合输入到特征融合网络；所述特征融合网络包括特征变换和点乘操作两个部分：首先将FE和经过两个权重不共享的全连接层得到rE和然后通过下面的方程进行变换：QE＝rEWQ 其中WQ、WV和WK是三类特征不共享的权重，QE、和分别代表着Query、Value和Key；然后利用点乘操作对所得到的特征进行融合： 其中CAi为特征融合后的结果，ReLU为激活函数，表示函数嵌套运算符；得到的CAi被用于最终的位置预测： 通过下方的损失函数进行训练： 由损失函数计算预测值和标签值之间的差异，然后根据该差异进行梯度回传并根据梯度更新模型中的参数，遍历无标签ERP图像集100次后停止，得到全局特征提取网络S2、进行解码器训练：解码器被构造用于预测最终的显著性结果S3、将待识别的全景图像输入训练好的编码器中进行特征提取，然后将提取的特征输入解码器中，得到最终的显著性预测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。