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！

龙图腾网获悉南昌航空大学申请的专利背景驱动查询嵌入学习的开放世界目标检测方法及系统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：CN121582692B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610099525.8，技术领域涉及：G06V10/764；该发明授权背景驱动查询嵌入学习的开放世界目标检测方法及系统是由储珺;伍亨洋;饶泽旭设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本背景驱动查询嵌入学习的开放世界目标检测方法及系统在说明书摘要公布了：本发明公开了背景驱动查询嵌入学习的开放世界目标检测方法及系统，该方法包括以下步骤：构建开放世界目标检测的双模式任务框架；采集包含已知类与未知类目标的图像数据，并对已知类目标进行标注，构建用于训练的数据集；基于双模式任务框架，构建背景驱动的查询嵌入学习网络模型；基于构建的数据集，训练并优化构建的查询嵌入学习网络模型；将真实场景下采集的图像数据输入到训练好的查询嵌入学习网络模型中，输出已知类别的目标检测结果与未知类别的候选区域。本发明采用上述的方法，在保持已知类检测精度的同时，显著提升对未知类的发现能力，解决现有开放世界检测中查询资源竞争、背景目标混杂、未知类召回率低的问题。

本发明授权背景驱动查询嵌入学习的开放世界目标检测方法及系统在权利要求书中公布了：1.背景驱动查询嵌入学习的开放世界目标检测方法，其特征在于，包括以下步骤： S1、构建开放世界目标检测的双模式任务框架； S2、采集包含已知类与未知类目标的图像数据，并对已知类目标进行标注，构建用于训练的数据集； S3、基于S1的双模式任务框架，构建背景驱动的查询嵌入学习网络模型；S3中查询嵌入学习网络模型包括：由Backbone骨干网络和Transformer编码器-解码器串联构成的特征提取模块、目标检测预测模块、高质量背景预测模块、背景目标分离模块；其中，高质量背景预测模块包括多尺度注意力特征提取器和高质量背景筛选模块；背景目标分离模块包括缓冲区边界计算单元和混合区域惩罚单元； 高质量背景预测模块，具体内容如下： 多尺度注意力特征提取器，用于从Backbone骨干网络输出的基础特征中提取空间注意力分布； 高质量背景筛选单元，用于根据预设的注意力阈值γ筛选背景区域，并选取背景分数最高的B个区域作为高质量背景，通过背景预测损失函数进行优化； 背景目标分离模块，具体内容如下： 缓冲区边界计算单元，用于根据高质量背景的数量动态确定缓冲区范围[B,C]；其中，B是缓冲区下边界；C是缓冲区上边界； 混合区域惩罚单元，用于对落入缓冲区内的查询嵌入预测区域施加惩罚损失，驱使查询嵌入远离背景-目标混合区域； S4、基于S2构建的数据集，训练并优化S3构建的查询嵌入学习网络模型；具体为： S41、基于S2构建的数据集，划分为训练集、验证集与测试集； S42、将S41中训练集以及所述训练集中已知类目标对应的边界框与类别标签输入查询嵌入学习网络模型； 通过查询嵌入学习网络模型内置的查询嵌入，对训练集的特征与已知类标注信息进行匹配关联； 由回归分支输出查询嵌入对应的预测框，由分类分支输出查询嵌入对应的类别； S43、通过联合优化背景预测损失、缓冲区惩罚损失、分类损失与回归损失，得到最优的查询嵌入学习网络模型权重；具体为： 第一步，计算背景预测损失，驱动查询嵌入学习网络模型学习高质量背景； 第二步，计算缓冲区惩罚损失，驱动背景与目标分离； 第三步，结合背景预测损失、缓冲区惩罚损失、分类损失与回归损失构成总损失函数； 第四步，基于总损失函数执行反向传播，迭代优化查询嵌入学习网络模型参数，直至收敛； 第五步，执行训练过程控制：训练时在验证集上监控未知召回率与已知类平均精度均值，当所述未知召回率与已知类平均精度均值不再提升时，启动早停策略；同时配置可调超参数，所述可调超参数包括：批大小、学习率、优化器类型、注意力阈值γ、缓冲区边界B与C、损失函数权重 S5、将真实场景下采集的图像数据输入到训练好的查询嵌入学习网络模型中，输出已知类别的目标检测结果与未知类别的候选区域。

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南昌航空大学，其通讯地址为：330063 江西省南昌市红谷滩区丰和南大道696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。