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！

龙图腾网获悉杭州电子科技大学申请的专利基于轻量化三分支编解码网络的多模态显著性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：CN118247486B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410386802.4，技术领域涉及：G06V10/25；该发明授权基于轻量化三分支编解码网络的多模态显著性目标检测方法及系统是由王廷宇;陆俊哲;万斌;颜成钢;王帅;赵强;陈泉;路荣丰设计研发完成，并于2024-04-01向国家知识产权局提交的专利申请。

本基于轻量化三分支编解码网络的多模态显著性目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于轻量化三分支编解码网络的多模态显著性目标检测方法及系统，方法如下：步骤1：获取训练和测试任务的RGB‑D‑T数据集，并对数据集进行预处理；步骤2：构建并使用训练数据集训练基于深度学习的轻量化RGB‑D‑T图像显著性目标检测模型；步骤3：使用完成训练的网络模型接收测试数据集进行显著目标检测。经过训练后本发明提出的轻量化网络模型对显著目标检测具有较高的精准度。

本发明授权基于轻量化三分支编解码网络的多模态显著性目标检测方法及系统在权利要求书中公布了：1.一种基于轻量化三分支编解码网络的多模态显著性目标检测方法，其特征是按如下步骤： 步骤1：获取训练和测试任务的RGB-D-T数据集，并对数据集进行预处理； 步骤2：构建并使用训练数据集训练基于深度学习的轻量化RGB-D-T图像显著性目标检测模型；步骤2具体如下： 步骤2.1：三分支编码器提取特征 将MobileNet-v2网络当作提取RGB图像特征、深度图像特征和热红外图像特征的骨干网络，作为RGB编码器、深度图编码器和热红外图编码器； 分别将RGB图像、深度图像和热红外图像输入到对应的RGB编码器、深度图编码器和热红外图编码器中，各自生成5个层级的特征图，表示为和其中i∈{1,2,3,4,5}； 步骤2.2：两模态特征融合 模态特征融合网络由10个模态信息引导融合模块MIGF构成，其中每5个作为一组，每组分别将不同层级的RGB图像与对应的深度图像和热红外图像进行两模态特征融合；MIGF首先对RGB图使用无参数的空间注意力进行空间特征提取，获取空间特征通过使用空间特征对另一模态进行优化并融合，得到最终的两模态融合特征和具体如下： 其中，NSAI表示对特征图I进行空间特征提取，favg和fmax表示平均通道池化和最大通道池化，f3,1表示卷积核权重固定为1且填充率为1的3×3卷积模块，f1,0表示卷积核权重固定为1且填充率为0的1×1卷积模块，表示逐元素加法，⊙表示逐元素乘法，Cat,表示通道拼接，Sigmoid表示使用Sigmoid激活函数； 步骤2.3：两模态解码器 提取到不同层级的两模态特征后，分别对两模态特征进行解码，使每层特征fi vt和fi vd经过3×3的卷积层并上采样，然后与前一层特征进行通道拼接；其中，高三层特征在拼接前通过上下文增强单元，该单元包括三条不同分支，每条分支对输入特征图使用不同尺寸卷积核的卷积操作，用以捕捉不同尺度的高层语义特征；在模型测试阶段将上下文增强单元的三条分支重参数化为一条分支；具体如下： 其中，Conv1×1和Conv3×3分别表示卷积核尺寸为1×1和3×3的卷积操作，UP表示上采样操作，Cat,表示通道拼接，表示逐元素加法，CE表示对输入特征进行可重参化的不同尺寸卷积操作； 步骤2.4：三模态解码器 将两模态解码特征和输入到三模态解码器中进行模态和层级交互；三模态解码器具体包括语义特征交互模块和上下文增强模块； 步骤2.5：通过步骤1获取的数据集训练三流编码解码网络 将预测出的显著图Pvd、Pvt和Pvdt分别和真值图G进行混合损失函数计算，混合损失函数计算式如下： Lx,y＝LBCEx,y+LIoUx,y+LSSIMx,y11 其中，x和y分别代表显著物体和真实值，μx和μy分别是图像x和y的平均值，和分别是图像x和y的方差，σxy是图像x和y的协方差，c1和c2是常数；最终损失函数被定义为： Lall＝LPvd,G+LPvt,G+LPvdt,G12步骤3：使用完成训练的网络模型接收测试数据集进行显著目标检测。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。