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！

龙图腾网恭喜中国科学院信息工程研究所申请的专利一种基于对比学习的域适应物体检测方法及装置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：CN114972964B 。

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：202210397702.2，技术领域涉及：G06V10/764；该发明授权一种基于对比学习的域适应物体检测方法及装置是由王蕊;钟安雨;邹聪设计研发完成，并于2022-04-15向国家知识产权局提交的专利申请。

本一种基于对比学习的域适应物体检测方法及装置在说明书摘要公布了：本发明公开一种基于对比学习的域适应物体检测方法及装置，属于计算机视觉技术领域，采用深度神经网络中的ResNet网络，配合对比学习以及特征解耦模块，能够在数据集中只有源域图像数据有标注而目标域图像数据没有标注的情况下匹配源域和目标域中的特征并从中解耦出域不变特征，并以域不变特征为基础进行物体检测。在训练过程中利用对比学习实现了源域和目标域特征的对齐，提高了解耦后特征的一致性，获得了更好的域不变特征，提升了在目标域上的物体检测效果，结果具有高精度高召回率，表明网络域适应能力很强。

本发明授权一种基于对比学习的域适应物体检测方法及装置在权利要求书中公布了：1.一种基于对比学习的域适应物体检测方法，其特征在于，包括以下步骤：构造由特征解耦提取模块、物体检测模块和对比学习模块组成的域适应物体检测网络；该特征解耦提取模块以ResNet-101作为基础卷积神经网络结构，包括浅层特征提取模块、浅层特征解耦模块、深层特征提取模块和深层特征解耦模块；对于输入的图像数据，该特征解耦提取模块通过浅层特征提取模块提取图像的浅层特征图，再通过浅层特征解耦模块处理浅层特征图得到域相关特征和域无关特征；再将域无关特征加入到浅层特征图中，通过深层特征提取模块提取深层特征图，最后通过深层特征解耦模块处理深层特征图得到深层域相关特征和深层域无关特征；物体检测模块根据深层域无关特征对物体进行定位和分类；利用有标注的源域图像数据集和无标注的目标域图像数据集对域适应物体检测网络进行训练；特征解耦提取模块根据有标注的源域图像数据集计算域相关特征和域无关特征，并计算浅层域相关特征和浅层域无关特征互信息损失函数、深层域相关特征和深层域无关特征的互信息损失函数以及深层特征图的重建损失函数，采用上述两种互信息损失函数、重建损失函数和一致性损失函数训练特征解耦提取模块中的浅层特征解耦模块和深层特征解耦模块；采用分类损失函数和回归损失函数训练物体检测模块；对比学习模块保存所述源域图像数据集经特征解耦提取模和物体检测模块处理所得到的特征以及对应的标签，以及所述目标域图像数据集经特征解耦提取模和物体检测模块处理所得到的特征以及对应的伪标签，对这两种特征进行对比学习，采用对比损失函数优化特征解耦提取模块所包含的所有模块；将待检测的目标域图片输入到训练完成的域适应物体检测网络，对目标域图像中的物体进行定位和分类。

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国科学院信息工程研究所，其通讯地址为：100093 北京市海淀区闵庄路甲89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”。