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！

龙图腾网恭喜福州大学申请的专利基于深度学习和可微分聚类的红外视频显著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：CN116385752B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202310386196.1，技术领域涉及：G06V10/762；该发明授权基于深度学习和可微分聚类的红外视频显著目标检测方法是由孙磊;严欣;廖一鹏设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本基于深度学习和可微分聚类的红外视频显著目标检测方法在说明书摘要公布了：本发明涉及一种基于深度学习和可微分聚类的红外视频显著目标检测方法，包括：1、获取红外视频图像帧，构建红外视频显著性数据集；2、构建红外视频显著目标检测模型，其主要由基于Vgg16网络的特征提取网络、基于注意力和ConvLSTM的显著性检测模型以及基于可微分聚类的显著目标细分割模型组成，通过特征提取网络对输入的图像进行特征提取，再将提取的特征输入显著性检测模型，进而得到动态显著性图，最后用显著目标细分割模型进行精细化分割，得到图像分割结果；通过数据集对红外视频显著目标检测模型进行训练；3、将待检测图像输入训练好的模型，得到检测结果。该方法可以提高红外视频显著性检测的精度，清晰、准确地检测出红外视频对象中的显著性区域。

本发明授权基于深度学习和可微分聚类的红外视频显著目标检测方法在权利要求书中公布了：1.一种基于深度学习和可微分聚类的红外视频显著目标检测方法，其特征在于，包括以下步骤：步骤1、获取红外视频图像帧，构建红外视频显著性数据集；步骤2、构建红外视频显著目标检测模型，所述红外视频显著目标检测模型主要由基于Vgg16网络的特征提取网络、基于注意力和ConvLSTM的显著性检测模型以及基于可微分聚类的显著目标细分割模型组成，所述红外视频显著目标检测模型通过特征提取网络对输入的图像进行特征提取，获取一系列卷积特征，再将得到的一系列卷积特征输入显著性检测模型，得到隐藏状态Ht，然后将隐藏状态Ht与1×1卷积核卷积得到动态显著性图，最后将得到的动态显著性图用显著目标细分割模型进行精细化分割，得到图像分割结果；通过所述红外视频显著性数据集对所述红外视频显著目标检测模型进行训练，得到训练好的红外视频显著目标检测模型；步骤3、将待检测图像输入训练好的红外视频显著目标检测模型，得到最终的检测结果；所述显著目标细分割模型基于可微分聚类算法实现，所述可微分聚类算法在卷积神经网络中对单张图像进行微分聚类以实现对显著性图像的细分割；所述可微分聚类算法首先使用CNN进行特征提取，获取红外图像特征{xn}，接着利用q维卷积层计算q维特征图{rn}，再使用BatchNorm进行归一化，得到归一化特征图{r'n}；然后，通过argmax函数获取每个像素对应特征向量中最大值的ID作为像素类别，以此得到最终聚类标签{Cn}；最后，使用梯度下降的方向传播方法来更新参数，以找到一个使损失函数L最小化的标签分配解决方案；损失函数L表示如下： 其中，N表示输入图像的像素点集合；r'n,i表示在映射{r'n}中的第i个元素的特征值；r'ξ,η表示在{r'n}映射中ξ，η处的特征值；μ表示平衡这两个约束的权重；针对粗分割图中包含背景的情况，将目标中像素占比最小的像素值所对应区域定义为背景，得到优化图像显著图S，映射关系式如下： 其中，Dx,y表示粗分割图中x,y处的像素值；Imin表示粗分割图中目标区域所对应可微分聚类图的区域的统计灰度直方图中占比最少的像素值；Ix,y表示可微分聚类图中x,y处的像素值；针对粗分割图目标区域过小的情况，以目标二值图的最大连通区域为掩膜对可微分聚类图进行感兴趣区域选择后得到新的目标可能区域，将该区域灰度直方图中除0像素值以外占比最高的像素值作为种子点Imax来得到优化显著图S，映射关系如下：

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。