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！

龙图腾网恭喜中山大学申请的专利基于区域无监督显著性检测的船舶分割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：CN115170796B 。

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：202210556492.7，技术领域涉及：G06V10/26；该发明授权基于区域无监督显著性检测的船舶分割方法是由赖剑煌;周华君;谢晓华设计研发完成，并于2022-05-20向国家知识产权局提交的专利申请。

本基于区域无监督显著性检测的船舶分割方法在说明书摘要公布了：本发明公开了一种基于区域无监督显著性检测的船舶分割方法，包括：步骤1、训练得到一个显著性检测器；其中，所述训练得到一个显著性检测器包括显著性伪标签生成、显著性检测器训练；步骤2、基于区域显著性检测的船舶图像分割，利用步骤1中得到的显著性检测器，提取出船舶图像中每个边界框中船只掩膜。本发明的显著性检测模型能够自适应地通过图像高级特征之间的关联性挖掘出显著性信息，具有很强的鲁棒性，达到了领域内最先进的性能。同时，本发明利用图像中物体的边界框信息，能够准确且高效地为图像中所有船舶生成掩膜。与其它替代方法相比，分割性能取得了较大幅度的提升，且具有更好的泛化性能。

本发明授权基于区域无监督显著性检测的船舶分割方法在权利要求书中公布了：1.一种基于区域无监督显著性检测的船舶分割方法，其特征在于，包括：步骤1、训练得到一个显著性检测器；其中，所述训练得到一个显著性检测器包括显著性伪标签生成、显著性检测器训练；步骤2、基于区域显著性检测的船舶图像分割，利用步骤1中得到的显著性检测器，提取出船舶图像中每个边界框中船只掩膜；所述显著性伪标签生成具体为：使用在ImageNet数据集上无监督预训练的ResNet-50作为编码器，从原始图像中提取出多层次特征；在所述多层次特征后面分别增加额外的SE模块来进一步增强所述多层次特征；将所述多层次特征融合到一起后再使用一个SE模块进行增强，最后输出一个特征图，所述特征图中每个像素点的值称为激活值；设计一个自适应决策边界从所述特征图中找到潜在的显著性区域，将自适应决策边界简化为一个阈值，将所述原始图像的全局均值作为所述阈值，将所述特征图所有像素点的激活值减去所述阈值，随后使用Sigmoid函数变换到0-1之间，变换后的结果即为生成的显著性图；加大所述特征图所有像素点到所述全局均值的距离，挖掘更多的显著性信息，将生成的显著性信息结果经过条件随机场后处理得到显著性伪标签；所述显著性伪标签生成采用以下公式： 其中是指网络在第i个像素的激活值，而是指整张图像上的均值，pi是最终的显著性预测，σ是sigmoid函数，根据输出的均值定义一个自适应的决策边界，并且定义每个像素到决策边界的距离为|pi-σ0|2；所述显著性检测器训练具体为：使用在ImageNet数据集上无监督预训练的ResNet-50作为编码器，从原始图像中提取出多层次特征；在所述多层次特征后面分别通过卷积层、残差注意力网络处理后，得到显著性检测器。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。