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！

龙图腾网恭喜李国辉申请的专利一种阴影图像分类辅助的域适应阴影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：CN115063634B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210720961.4，技术领域涉及：G06V10/764；该发明授权一种阴影图像分类辅助的域适应阴影检测方法是由李国辉设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种阴影图像分类辅助的域适应阴影检测方法在说明书摘要公布了：本发明涉及一种阴影图像分类辅助的域适应阴影检测方法，属于图像处理领域，包括以下步骤：S1：在阴影检测模型中加入梯度反转层和域分类器，得到域适应阴影检测网络；S2：在域适应阴影检测网络中加入阴影图像分类任务，对阴影图像进行分类；S3：设计训练策略，使用源数据集和目标数据集对所述域适应阴影检测网络进行训练；S4：将阴影图像输入训练好的域适应阴影检测网络，得到阴影掩膜的预测结果。本发明对数据集之间存在的域偏移问题，利用深度神经网络，通过加入梯度反转层和阴影图像分类任务，对域无关的特征进行学习，从而提高模型在目标数据集上的阴影检测准确率。

本发明授权一种阴影图像分类辅助的域适应阴影检测方法在权利要求书中公布了：1.一种阴影图像分类辅助的域适应阴影检测方法，其特征在于：包括以下步骤：S1：在阴影检测模型中加入梯度反转层和域分类器，得到域适应阴影检测网络；所述加入梯度反转层具体包括：在阴影检测模型的特征提取网络第五层加入梯度反转层，并将梯度反转层的输出作为域分类器的输入；所述域适应阴影检测网络训练包含两个步骤：1使用源域中的阴影图像和阴影标签进行阴影检测训练，此时网络的输出为对于图像中阴影区域的预测结果；2使用源域和目标域中的阴影图像进行域适应训练，此时网络的输出为对于输入图像域类别的预测结果；所述域适应阴影检测网络的输出表示像素点s,t是否属于阴影区域，像素点s,t处的损失值使用二元交叉熵进行计算，如下式所示： 其中y代表标签值，表示在像素点s,t的阴影检测预测结果，越大则该像素点属于阴影区域的概率越高，总的阴影检测损失为所有待检测点的损失值之和，如下式所示： 其中W，H代表输入图像的尺寸；域分类器的输出为13×13×1大小的特征图，特征图上每一个特征点代表域分类器对于输入图像域标签的分类结果；每一个特征点u,v上的损失函数可以表示为： 其中，y'代表输入图像的域标签，代表域分类器在该特征点上域标签的预测概率；总的域适应损失为所有特征点上的损失值之和，如下式所示： 其中，M和N代表特征图的大小；S2：在域适应阴影检测网络中加入阴影图像分类任务，对阴影图像进行分类；所述阴影图像分类任务，是在基础的特征提取网络中加入全连接层，将网络转换为二分类网络，加入二分类交叉熵损失函数，实现阴影图像分类；阴影图像分类辅助的阴影检测网络中的特征提取网络为ResNeXt101在ImageNet上的预训练模型；在特征提取网络之后加入步长为1×1，窗口大小为7×7的平均池化层，得到1×1×2048的特征图，将该特征图作为ResNeXt101网络1000分类全连接层的输入，得到1000维向量，并将该向量作为输入维度为1000，输出维度为2的全连接层的输入，实现图像二分类；阴影图像分类任务使用二元交叉熵作为损失函数，如下所示： 其中y”是输入图像的真实标签，y”为1时代表输入图像为阴影图像，y”为0时代表输入图像为无阴影图像，代表对输入图像所属类别的预测概率，ω为对损失函数的加权系数；S3：设计训练策略，使用源数据集和目标数据集对所述域适应阴影检测网络进行训练；所述的训练策略包括：在域适应的过程中冻结特征提取网络第四层与第五层的参数；在训练分类任务时，冻结特征提取网络第一层到第四层网络的参数；使用源域中的阴影图像和阴影标签训练阴影检测任务；使用源域和目标域中的阴影图像进行域适应训练；S4：将阴影图像输入训练好的域适应阴影检测网络，得到阴影掩膜的预测结果。

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李国辉，其通讯地址为：473225 河南省南阳市方城县杨楼乡房山村二郎庙20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”。