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！

龙图腾网恭喜浙江华是科技股份有限公司申请的专利一种基于多模态模型的无监督船舶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：CN119559384B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510131746.4，技术领域涉及：G06V10/25；该发明授权一种基于多模态模型的无监督船舶检测方法及系统是由吴显德;季航锋;戴德坤;杨姗姗;余凤寅;张进虎;麻策维设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本一种基于多模态模型的无监督船舶检测方法及系统在说明书摘要公布了：本发明公开一种基于多模态模型的无监督船舶检测方法及系统。其中，该方法修改原始船舶检测模型，使原始船舶检测模型增加匹配模块，从而使船舶检测特征增加特征匹配监督，提高了船舶检测的准确率；采用多模态模型对训练集进行自动化标定，无需耗费人力进行人工标定，大大提高了效率；船舶检测模型在损失结构中增加多模态模型监督，进一步提高了船舶检测的准确率。

本发明授权一种基于多模态模型的无监督船舶检测方法及系统在权利要求书中公布了：1.一种基于多模态模型的无监督船舶检测方法，其特征在于，包括：S1、根据原始船舶检测模型和匹配模块构建目标船舶匹配模型；S2、将人工标定训练集中的每个目标抠取，得到第一图片集；将第一图片集输入到所述目标船舶匹配模型中，得到每个目标的第一特征序列；将无标定训练集输入到SAM分割模型中得到每个目标的第一坐标；并将每个目标抠取，得到第二图片集；将第二图片集输入到clip多模态模型中，得到每个目标的第一类别、第一置信度；将第二图片集输入到所述目标船舶匹配模型中，得到每个目标的第二特征序列；根据第一图片集中每个目标的第一特征序列和第二图片集中每个目标的第二特征序列，得到第二图片集中每个目标的第二类别、第二置信度；S3、将无标定训练集输入到第一船舶检测模型中进行预测，得到每张图片中每个目标的第三类别、第二坐标和第三置信度；S4、将无标定训练集输入到第二船舶检测模型中进行预测，得到每张图片中每个目标的第四类别、第三坐标和第四置信度；根据第四类别、第三类别、第二类别、第一类别、第三坐标、第二坐标、第一坐标、第四置信度、第三置信度、第二置信度、第一置信度计算得到无标定训练集中当前张图片中当前目标的第一损失值、第二损失值、第三损失值；S5、根据无标定训练集中每张图片中每个目标的第二坐标对每个目标进行抠取，得到第三图片集；将第三图片集输入到所述目标船舶匹配模型中，得到每个目标的第五类别、第五置信度，将第三图片集输入到所述clip多模态模型中，得到每个目标的第六类别、第六置信度；根据第二坐标、第一坐标、第三类别、第四类别、第五类别、第六类别、第三置信度、第四置信度、第五置信度、第六置信度计算得到无标定训练集中当前张图片中当前目标的第四损失值；S6、根据无标定训练集中所有目标的第一损失值、第二损失值、第三损失值、第四损失值的和值反向更新所述第二船舶检测模型；S7、重复所述S2～S6，若和值在第一预设范围内波动停止训练，将最后更新的第二船舶检测模型作为目标船舶检测模型；将待检测船舶图片输入到所述目标船舶检测模型中进行检测，得到目标类别和位置；所述S1包括：S11、将人工标定训练集进行复制并将复制后的人工标定训练集中的每张图片只保存一个类别的目标，得到更新训练集；S12、在原始船舶检测模型的主干网络中增加匹配模块，得到原始船舶匹配模型，并冻结原始船舶检测模型的主干网络的参数；S13、将更新训练集输入到原始船舶检测模型中进行预测，得到每张图片的类别、坐标、置信度；S14、根据更新训练集中每张图片预测的类别、坐标、置信度以及人工标定的类别、坐标将更新训练集进行筛选，将筛选后的更新训练集通过原始船舶匹配模型进行训练，得到每张图片的特征向量；S15、根据筛选后的更新训练集中所有图片的特征向量计算得到匹配总损失值，根据匹配总损失值反向更新所述匹配模块；S16、重复S13～S15，直至最后计算得到的匹配总损失值在第二预设范围内波动停止训练，得到目标船舶匹配模型；其中，所述匹配模块用于将主干网络输出的特征图进行自注意力操作，得到自注意力特征图；将自注意力特征图与主干网络输出的特征图进行相加，得到融合特征图；将融合特征图进行卷积操作；将卷积操作后的融合特征图进行全局最大池化和全卷积操作，得到1*512维的特征向量。

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浙江华是科技股份有限公司，其通讯地址为：311100 浙江省杭州市余杭区闲林街道嘉企路16号3幢1楼；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”。