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！

龙图腾网获悉安徽理工大学申请的专利一种基于跨模态边缘引导的RGB-D显著性目标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：CN116958736B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310708088.1，技术领域涉及：G06V10/774；该发明授权一种基于跨模态边缘引导的RGB-D显著性目标检测方法是由夏晨星;杨凤;高修菊;王晓婷;葛斌;梁兴柱;崔建华;段松松设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于跨模态边缘引导的RGB-D显著性目标检测方法在说明书摘要公布了：本发明属于计算机视觉领域，提供了一种基于跨模态边缘引导的RGB‑D显著性目标检测方法，包括以下步骤：1获取训练和测试该任务的RGB‑D数据集；2分别建立用于提取RGB图像特征和Depth图像特征的显著性目标检测模型网络；3建立用于跨模态注意力融合的网络结构；4建立用于边缘感知的网络结构；5构建用于边缘指导融合解码器，从高到低解码多尺度融合特征并和边缘特征拼接融合，获取显著图。本发明可有效整合来自不同模态图像的互补信息，提升复杂场景下显著性目标预测的准确度。

本发明授权一种基于跨模态边缘引导的RGB-D显著性目标检测方法在权利要求书中公布了：1.一种基于跨模态边缘引导的RGB-D显著性目标检测方法，其特征在于，该方法包括以下步骤： 1获取训练和测试该任务的RGB-D数据集； 2分别建立用于提取RGB图像特征和Depth图像特征的显著性目标检测模型网络； 3建立用于跨模态注意力融合的网络结构； 4建立用于边缘感知的网络结构； 5构建用于边缘指导融合解码器，从高到低解码多尺度融合特征并和边缘特征拼接融合，获取显著图； 所述步骤3用于跨模态注意力融合的网络结构如下： 3.1通过使用通道注意力筛选出最具表达性和相关性的特征通道，减少了过程中非相关信息的干扰，分别对和的通道特征进行通道注意力处理，得到RGB通道注意力向量和深度通道注意力向量 3.2通过加法运算聚合步骤3.1获得的和得到RGB-D图像在通道维度上更具区分度和代表性的特征表征，然后，将聚合注意向量进行归一化操作，从而得到跨模态通道注意力向量为了强化重要的特征通道并减少对预测结果没有贡献的通道，基于作为RGB特征和深度特征的权重分别与和进行通道相乘，得到RGB加权增强特征和深度加权增强特征 3.3进一步对步骤3.2获得的和的空间特征进行空间注意力处理，得到RGB空间注意力向量和深度空间注意力向量然后对和再次执行乘法操作，其目的是保留原始特征图的信息，避免注意力机制过度强调局部特征，随后，将处理过的特征串接在一起，以获得RGB空间加权特征和深度空间加权特征 3.4对于步骤3.1获得的和通过乘法操作生成RGB通道加权特征和深度通道加权特征 3.5对于步骤3.4获得的和与步骤3.3获得的和分别进行逐元素相加操作，得到RGB通道空间增强特征和深度通道空间增强特征 3.6对步骤3.5获得的和应用了基于元素的乘法和元素加法，然后将结果级联在一起，再将其输入一个3×3卷积层，以获得其平滑表示，最终得到跨注意力融合特征 所述步骤4中用于边缘感知的网络结构具体构成如下： 4.1对于从步骤2提取的特征，将和分别通过加法得到RGB边缘特征和深度边缘特征 其中Up2·表示2×upsampling操作； 4.2对步骤4.1得到的和分别进行通道注意和空间注意力，然后将得到的结果进行残差连接生成更清晰的边缘信息和 其中，SA表示空间注意力操作，SE是一种通道类型的注意力机制； 4.3将步骤4.2得到的和进行聚合，生成边缘感知特征Fe： 所述步骤5包括以下子步骤： 5.1使用对于步骤3获得的为输入，通过逐元素相加获得多尺度特征融合结果 5.2将步骤4.3获得的边缘特征Fe与步骤5.1获得的多尺度融合特征相结合，生成边缘引导的显着图S: 其中，Sig·表示Sigmoid激活函数。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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。