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！

龙图腾网获悉中南大学申请的专利一种基于部件挖掘与整体重建的弱监督目标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：CN121811166B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610300090.9，技术领域涉及：G06V10/764；该发明授权一种基于部件挖掘与整体重建的弱监督目标检测方法及系统是由姜乐;李书城;吕丰;刘鸣柳;杨帅;易忱设计研发完成，并于2026-03-12向国家知识产权局提交的专利申请。

本一种基于部件挖掘与整体重建的弱监督目标检测方法及系统在说明书摘要公布了：本申请涉及一种基于部件挖掘与整体重建的弱监督目标检测方法及系统，包括：挖掘图像级类别标签的多个目标部件，对从训练图像提取的检测区域进行跨图像聚类，得到多个聚类簇；计算每一聚类簇的平均视觉嵌入与各目标部件的文本嵌入的距离，确定各平均视觉嵌入的最小距离，在最小距离小于第一阈值时，将最小距离对应的目标部件确定为对应的聚类簇中各检测区域的部件标签；将检测区域的部件标签映射至训练图像，得到标注图像集；使用部件检测器输出待测图像中各部件的部件检测框，基于各部件检测框进行实例重建，得到待测图像中待测实例的检测框，部件检测器由多个标注图像集训练得到，各标注图像集的部件标签所属实例不同。本方法能提高检测准确率。

本发明授权一种基于部件挖掘与整体重建的弱监督目标检测方法及系统在权利要求书中公布了：1.一种基于部件挖掘与整体重建的弱监督目标检测方法，其特征在于，所述方法包括： S1、挖掘图像级类别标签的多个目标部件，并对从多张训练图像提取的检测区域进行跨图像聚类，得到多个聚类簇，所述多张训练图像中各实例的类别标签与所述图像级类别标签一致； S2、计算每一所述聚类簇的平均视觉嵌入与各所述目标部件的文本嵌入间的距离，并确定各所述平均视觉嵌入对应的最小距离，在所述最小距离小于第一阈值时，将所述最小距离对应的所述目标部件确定为所述最小距离对应的所述聚类簇中各所述检测区域的部件标签； S3、将所述检测区域的所述部件标签映射至所述训练图像，得到带有部件标签的标注图像集； S4、使用部件检测器输出待测图像中各部件的部件检测框，并基于各所述部件检测框进行实例重建，得到所述待测图像中各待测实例的检测框，所述部件检测器由多个所述标注图像集训练得到，每一所述标注图像集的部件标签所属的实例不一致； 步骤S1中所述目标部件的挖掘方式包括： 确定图像级类别标签和用于挖掘所述图像级类别标签的部件的提示词，所述图像级类别标签为文本信息； 将所述图像级类别标签和所述提示词输入至语言模型中，输出所述图像级类别标签对应的候选部件； 基于所述候选部件的第一文本嵌入与所述候选部件的父节点的第二文本嵌入，计算所述候选部件和所述父节点之间的第一余弦距离； 在所述第一余弦距离小于第二阈值时，剔除所述候选部件；在所述第一余弦距离大于所述第二阈值、且所述候选部件与兄弟节点之间的第二余弦距离小于所述第二阈值时，剔除所述候选部件或所述兄弟节点，得到各所述图像级类别标签的目标部件； 其中，第一余弦距离的计算公式为，dvisi,p为第一余弦距离，为候选部件i的第一文本嵌入，为父节点p的第二文本嵌入。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。