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！

龙图腾网获悉厦门大学申请的专利一种基于少样本学习的开放世界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：CN116229101B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310198831.3，技术领域涉及：G06V10/44；该发明授权一种基于少样本学习的开放世界目标检测方法是由陈威;纪荣嵘;曹刘娟;张声传设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本一种基于少样本学习的开放世界目标检测方法在说明书摘要公布了：一种基于少样本学习的开放世界目标检测方法，属于图像处理领域。基于少样本学习的开放世界目标检测任务，在类别不可知的目标检测中引入少样本学习方法，提供少量未知类别的样本，指导网络实现对于新类别的检测与未知类别的定位。提供基于少样本学习的开放世界目标检测的网络OFDet，在两阶段微调范式下的类别不可知的物体检测器上建模。OFDet由三个模块组成：类别不可知目标检测模块CALM、基础分类模块BCM以及新类别的检测模块NDM。为选择更准确的未知物体，提出基于未知候选框的选择算法。在已有的多个已有任务上性能良好，在新设定的OFOD任务上，对于未知类别的平均召回率达到最好效果，同时获得较高新类别平均精度。

本发明授权一种基于少样本学习的开放世界目标检测方法在权利要求书中公布了：1.一种基于少样本学习的开放世界目标检测方法，其特征在于用于对目标图片中的已知和未知物体进行检测和定位操作；分为2个阶段，包括如下步骤： 第1阶段，使用充足的基础类别训练网络： 步骤1，设置输入图片大小为H×W×C，图片预设好对应的锚框Anchor； 步骤2，图片经过骨干网络得到对应的特征Fb； 步骤3，Fb经过地区提议网络RegionProposalNetworkRPN，用于挑选所有可能的前景物体作为正样本，输出候选框的坐标信息以及定位置信度r，用于计算损失； 步骤4，网络通过RoIAlign操作以及RPN输出的回归和定位信息得到Fb中对应区域的proposals的特征Fp； 步骤5，Fp经过类别不可知目标检测模块CALM，R-CNN检测头的变种，包含用于定位的RoI头L-RoIhead、候选框回归器及定位置信度评估器，计算候选框的坐标信息及定位置信度c，输出修正后的proposals的回归信息及定位置信度c，并使用L1损失函数计算无类别候选框回归的损失和 同时，Fp经过基础分类模块BCM，仅由分类RoI头C-RoI及基础分类器组成，解耦定位和分类分支，输出proposals的分类信息，并使用交叉熵损失函数计算基础类别的损失Lcls； 第2阶段，移除BCM模块，使用少量的新类别微调网络，同时使用未知类别挑选算法定位潜在的未知物体； 第2阶段中的步骤1～4和阶段1中对应步骤一致； 步骤5，Fp经过CALM模块输出修正后的proposals的回归信息及定位置信度c，并使用L1损失函数计算无类别候选框回归的损失和 同时，在CALM模块后面添加新类别检测模块NDM，由检测RoI头D-RoI、候选框回器以及分类器组成，进行多类别分类和检测，并使用BCM的C-RoI权重以及分类输出层模块作为NDM模块的预训练权重，随后将BCM从网络中移除； 步骤6，Fp根据CALM的回归信息对候选框进一步修正，并根据每个proposals的在CALM以及RPN输出的两个定位置信度r，c综合选取前k个的proposals的特征Fp*，然后送入NDM模块； 步骤7，Fp*经过新类别检测模块NDM，得到最后的proposals的分类信息和回归信息，计算新类别分类损失和回归损失 步骤8，在测试过程中，通过未知类别候选框挑选算法UPS来挑选没被制定为正样本中潜在的未知物体，最后使用指标mAP和mAR对已知类别和未知类别进行评估，使用每个proposals的在CALM以及RPN输出的两个定位置信度r，c以及非极大值抑制NMSθ综合选取前k1个proposals，获得CALM输出中潜在的未知物体。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。