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！

龙图腾网获悉北京理工大学申请的专利一种自适应红外可见光双模融合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：CN116704273B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310809010.9，技术领域涉及：G06V10/77；该发明授权一种自适应红外可见光双模融合检测方法是由徐立新;辛栋;张睿恒设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本一种自适应红外可见光双模融合检测方法在说明书摘要公布了：一种自适应红外可见光双模融合检测方法，属于目标检测技术领域。使用卷积神经网络训练的权重矩阵作为特征融合的融合策略，随着网络训练自适应精确调节红外可见光图片各部分融合特征比例；采用相关权重计算网络结构；通过一个由多层卷积网络构成的相关权重计算模块对两路红外可见光特征图的不同区域进行权重计算，得到红外目标特征图的权重矩阵和相对应的可见光目标的特征图的权重矩阵；权重矩阵再和原红外可见光特征图对应位置相乘后再叠加，输出融合特征图增加训练权重矩阵的损失函数，改进多任务联合损失函数；本发明适用于目标检测领域，融合多模信息时能更好的综合多模信源不同优势区间的目的，提升目标检测的精度及环境适应性。

本发明授权一种自适应红外可见光双模融合检测方法在权利要求书中公布了：1.一种自适应红外可见光双模融合检测方法，其特征在于：包括如下步骤， 步骤1、使用两路主干特征提取网络分别提取可见光图像特征和红外图像特征； 步骤2、通过相关权重计算网络计算特征权重矩阵，得到融合特征图，自适应地进行特征融合； 步骤2的实现方法为， 通过一个由多层卷积网络构成的相关权重计算网络，对步骤1得到的可见光特征图及红外特征图的不同区域进行权重计算，得到红外目标特征图的权重特征图WIR和相对应的可见光目标的特征图的权重特征图WRGB；得到权重特征图后再和原红外可见光特征图对应位置相乘后再叠加后输出融合特征图fmw,h；整个过程表示： 其中ffus为对卷积网络所作的变换；WIR为红外目标特征图的权重特征图；WRGB为对应的可见光目标的特征图的权重特征图；和为输入的红外可见光； 融合特征图fmw,h的大小和输入的红外可见光特征和相同；特征融合网络的核心是相关权重计算网络，它由多层卷积神经网络构成；输入红外可见光特征图的大小为m×w×h，m表示通道数，w，h表示特征图的宽和高；相关权重计算网络先对输入的红外特征图和输入的可见光特征作对应通道级联操作： 其中*表示卷积操作，Ki为通道后的卷积核，Zconcat为通道级联操作之后得到的特征图，其大小为m1+m2×w×h；得到Zconcat后在输入多层卷积层，在每个卷积操作后进行批标准化操作；最后在通道维度使用柔性最大化函数softmax进行压缩和归一化处理： 得到了红外目标特征图的权重特征图WIR和相对应的可见光目标的特征图的权重特征图WRGB，它们的大小均为w×h，对于矩阵中的每一个元素[ωIR,ωRGB]都有ωIR+ωRGB＝1； 步骤3、使用多任务联合损失函数进行特征分类和边界框回归； 步骤4、使用全连接网络计算融合特征图内建议框内目标的具体类别，并且输出预测置信度，同时再次使用边界框回归调整建议框位置； 步骤5、使用分类损失函数和回归损失函数，计算区域建议网络的分类损失和回归损失；使用小批量梯度下降方法最小化损失，训练目标分类和边界框回归模块； 步骤6、将步骤5训练好的区域建议网络再次使用多任务联合损失函数进行对整个目标检测网络参数的训练，得到目标框以及对应的类别置信度。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。