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！

龙图腾网获悉南京邮电大学申请的专利一种基于CNN和Transformer特征融合的单目深度估计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：CN118052859B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202410067946.3，技术领域涉及：G06T7/55；该发明授权一种基于CNN和Transformer特征融合的单目深度估计方法是由霍智勇;王振东设计研发完成，并于2024-01-17向国家知识产权局提交的专利申请。

本一种基于CNN和Transformer特征融合的单目深度估计方法在说明书摘要公布了：本发明属于计算机视觉领域，公开了一种基于CNN和Transformer特征融合的单目深度估计方法，包括：首先，构建混合深度数据集并对其进行预处理，将预处理后的图片输入网络提取CNN特征图，其次，使用特征转换模块得到类图像特征图并调整类图像特征图的尺度，获得四个Transformer特征图，而后将两个特征图输入引导融合模块，获得四个层级的特征图并将其输入解码融合模块，获得解码后的输出特征图；最后将输出特征图输入深度输出模块生成深度图，将深度图标签和深度图进行损失值计算，得到训练好的模型。本发明的双分支结构产生了提升了深度图的全局准确性，细化了局部纹理和边缘的表现，提高了模型的泛化能力。

本发明授权一种基于CNN和Transformer特征融合的单目深度估计方法在权利要求书中公布了：1.一种基于CNN和Transformer特征融合的单目深度估计方法，其特征在于：所述单目深度估计方法具体包括如下步骤： 步骤1、构建用于训练的混合深度数据集，对混合深度数据集中的RGB图片及其对应的深度图标签进行归一化、数据增强的预处理操作； 步骤2、将步骤1预处理的RGB图片输入到网络中，所述网络包括编码部分和解码部分，所述编码部分包括Transformer分支、CNN分支和引导融合模块，所述解码部分包括解码融合模块和深度输出模块，所述Transformer分支处理RGB图片得到一维Transformer特征图； 步骤3、所述CNN分支处理步骤1预处理后的RGB图片并提取四个不同分辨率的CNN特征图； 步骤4、选取所述Transformer分支中的四层一维Transformer特征图，并使用所述特征转换模块将一维Transformer特征图转换为类图像特征图，并用转置卷积调整类图像特征图的尺度，最终获得与步骤3得到的CNN特征图相对应分辨率的四个Transformer特征图； 步骤5、步骤3得到的CNN特征图和步骤4得到的四个Transformer特征图输入所述引导融合模块，获得四个层级的特征图，其分辨率为输入RGB图片的，其中，将CNN特征图和四个Transformer特征图输入所述引导融合模块，获得四个层级的特征图，具体包括以下步骤： 步骤5.1、对于每个所述引导融合模块，处理相同尺度的Transformer特征图和CNN特征图，先将Transformer特征图和CNN特征图沿着通道维度拼接，然后通过3x3卷积，BN和RELU激活函数降低通道维度； 步骤5.2、使用shuffleattention机制增强特征表示，使Transformer特征图和CNN特征图充分融合； 步骤5.3、通过四个引导融合模块获得四个层级的特征图，其中每个层级的特征图兼具Transformer的全局信息处理优势和CNN的局部特征提取优势； 步骤6、将步骤5获得的四个层级的特征图输入所述解码融合模块，所述解码融合模块由残差卷积单元和上采样操作组成，通过跳跃连接自下而上的融合四个层级的特征图，逐步重建图像细节，获得解码后的输出特征图，分辨率为输入RGB图片的14； 步骤7、将步骤6得到的解码后的输出特征图输入所述深度输出模块，生成与输入图片RGB相同大小、细节丰富、准确性高的深度图； 步骤8、将输入RGB图像的深度图标签和所述步骤7预测的深度图进行损失值计算，进行网络超参数迭代优化，得到训练好的模型。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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”。