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！

龙图腾网获悉中国地质调查局南京地质调查中心(华东地质科技创新中心)申请的专利一种图像目标识别与区域判别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：CN121767823B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610249800.X，技术领域涉及：G06V10/82；该发明授权一种图像目标识别与区域判别方法及装置是由牛晓楠;宗乐丽;孙彦玮;王尚晓;周墨;萧声隽;张艺武;唐志敏;刘红樱;刘健设计研发完成，并于2026-03-03向国家知识产权局提交的专利申请。

本一种图像目标识别与区域判别方法及装置在说明书摘要公布了：本发明公开了一种图像目标识别与区域判别方法及装置，涉及图像模式识别与分类判别技术领域。本发明通过获取包含特征生成与双分类器输出模块的预置识别判别模型，对源域图像携带目标类别像素级真值标注与目标域图像进行预处理并输入特征生成模块，得到拼接预测特征及跨域对齐约束损失；将拼接预测特征输入双分类器输出模块得到跨域分类预测结果，基于真值标注、对齐约束损失与预测结果对预置模型多阶段训练，获得具备跨场景泛化能力的目标区域识别与区域判别模型，并以待识别图像作为输入，输出目标区域识别标签图。本发明能有效弥补细粒度特征对齐不足，优化输出空间差异度量逻辑，提升训练稳定性与跨域适配能力。

本发明授权一种图像目标识别与区域判别方法及装置在权利要求书中公布了：1.一种图像目标识别与区域判别方法，其特征在于，包括： 获取预置识别判别模型，所述预置识别判别模型包括特征生成模块和双分类器输出模块； 对携带目标类别像素级真值标注的源域图像和目标域图像进行预处理，并输入所述特征生成模块，输出拼接预测特征和跨域对齐约束损失； 将所述拼接预测特征输入所述双分类器输出模块进行分类预测，得到跨域分类预测结果； 采用所述目标类别像素级真值标注、所述跨域对齐约束损失和所述跨域分类预测结果对所述预置识别判别模型进行多阶段训练，得到目标区域识别与区域判别模型； 将待识别图像输入所述目标区域识别与区域判别模型进行目标识别与区域判别，输出目标区域识别标签图； 所述特征生成模块包括残差网络单元、平均池化金字塔单元、移位网格对齐模块和细节门控单元，所述跨域对齐约束损失包括位移正则项和特征级对齐损失，所述对携带目标类别像素级真值标注的源域图像和目标域图像进行预处理，并输入所述特征生成模块，输出拼接预测特征和跨域对齐约束损失，包括： 对携带目标类别像素级真值标注的源域图像和目标域图像进行预处理，得到预处理源域影像和预处理目标域影像； 采用所述预处理源域影像和所述预处理目标域影像输入所述残差网络单元进行多层残差特征提取，得到第一残差特征、第二残差特征和第三残差特征； 采用所述第三残差特征输入所述平均池化金字塔单元进行池化，得到语义特征； 采用所述第一残差特征和所述第二残差特征分别输入所述细节门控单元进行细节增强操作，得到第一增强残差特征和第二增强残差特征； 采用所述第一增强残差特征、所述第二增强残差特征和所述语义特征输入所述移位网格对齐模块进行对齐与正则计算，得到多个对齐特征与所述位移正则项； 将多个所述对齐特征进行拼接，得到拼接预测特征； 采用所述第一残差特征、所述第二残差特征、所述第三残差特征和所述语义特征进行聚合，得到源域对齐特征和目标域对齐特征； 对所述源域对齐特征和所述目标域对齐特征进行分布匹配，得到所述特征级对齐损失； 所述细节增强操作具体为： 从所述源域图像与所述目标域图像中提取图像梯度特征； 将待增强特征与所述图像梯度特征进行拼接，所述待增强特征为所述第一残差特征或所述第二残差特征； 对拼接结果进行批量归一化，得到第一归一化拼接特征； 对所述第一归一化拼接特征进行卷积操作，得到卷积处理特征； 对所述卷积处理特征进行批量归一化，得到第二归一化拼接特征； 对所述第二归一化拼接特征进行Sigmoid激活，得到门控系数图； 采用所述门控系数图与所述待增强特征进行门控增强，得到门控增强特征； 对所述门控增强特征进行ReLU激活，得到增强残差特征，所述增强残差特征为所述第一增强残差特征或所述第二增强残差特征； 所述双分类器输出模块包括第一任务分类器和第二任务分类器，所述跨域分类预测结果包括源域预测结果和目标域预测结果，所述将所述拼接预测特征输入所述双分类器输出模块进行分类预测，得到跨域分类预测结果，包括： 对所述拼接预测特征进行特征变换，得到变换特征； 对所述变换特征进行预测卷积操作，得到类别预测图； 将所述类别预测图分别输入所述第一任务分类器与所述第二任务分类器，输出对应的所述源域预测结果和所述目标域预测结果； 所述采用所述目标类别像素级真值标注、所述跨域对齐约束损失和所述跨域分类预测结果对所述预置识别判别模型进行多阶段训练，得到目标区域识别与区域判别模型，包括： 采用所述目标类别像素级真值标注、所述跨域对齐约束损失和所述跨域分类预测结果，构建训练阶段A的第一损失函数、训练阶段B的第二损失函数和训练阶段C的第三损失函数； 以最小化所述第一损失函数、所述第二损失函数和所述第三损失函数为目标，循环执行所述训练阶段A、所述训练阶段B和所述训练阶段C，直至模型迭代次数达到预设迭代次数阈值或连续预设轮次内所述第一损失函数、所述第二损失函数与所述第三损失函数的均值波动幅度均小于预设损失波动阈值，得到所述目标区域识别与区域判别模型； 其中，所述训练阶段A具体为同时更新所述特征生成模块、所述第一任务分类器和所述第二任务分类器的参数； 所述训练阶段B具体为冻结所述特征生成模块的参数，仅更新所述第一任务分类器和所述第二任务分类器的参数； 所述训练阶段C具体为冻结所述第一任务分类器和所述第二任务分类器的参数，仅更新所述特征生成模块的参数。

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地质调查局南京地质调查中心(华东地质科技创新中心)，其通讯地址为：210000 江苏省南京市秦淮区中山东路534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。