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深度质量加权的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：CN116310396B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310201765.0，技术领域涉及：G06V10/46；该发明授权一种基于深度质量加权的RGB-D显著性目标检测方法是由夏晨星;杨凤;梁兴柱;崔建华;王列伟;段松松设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本一种基于深度质量加权的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，提供了一种基于深度质量加权的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，并定义本发明的算法目标；2构建用于提取RGB图像特征RGB编码器和深度Depth图像特征Depth编码器；3构建跨模态加权融合模块，通过加权式引导的深度质量评估机制指导提取的RGB图像特征和Depth图像特征进行加权融合；4构建用于多尺度特征提取融合的双向尺度相关卷积机制，以增强多模态特征的高级语义信息；5建立解码器以生成显著图Pestest；6预测的显著图Pestest与人工标注的显著目标分割图PGTGT计算损失；7对测试数据集进行测试，生成显著图Pestest，并使用评价指标进行性能评估。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深度质量加权的RGB-D显著性目标检测方法在权利要求书中公布了：1.一种基于深度质量加权的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获取训练和测试显著性目标检测任务的RGB-D数据集，并定义本方法的算法目标，并确定用于训练和测试算法的训练集和测试集； 2构建用于提取RGB图像特征RGB编码器和深度图像特征Depth编码器； 3建立跨模态特点融合网络，通过加权式引导的深度质量评估机制指导RGB图像特征和Depth图像特征进行交叉加权融合； 4基于上述跨模态特点融合成的多模态特征，构建双向尺度相关卷积融合机制以增强多模态特征的高级语义信息，具体为：对第4和第5层次的多模态特征通过深度可分离卷积操作提取多尺度感受野信息，设置卷积核大小为3×3、5×5、7×7、9×9的深度可分离卷积，并通过残差连接融合多尺度特征；随后将多尺度特征连接后通过1×1卷积压缩通道，同时增加残差连接以稳定优化，生成高级特征； 5建立解码器，将前3层低层次多模态特征与步骤4生成的高层次多尺度互补特征输入解码器，通过sigmoid激活函数得到最终预测的显著图； 6预测出来的显著图Pest与人工标注的显著目标分割图PGT进行损失函数的计算，并通过Adam和反向传播算法逐步更新所提出的模型参数权重，最终确定RGB-D显著性检测算法的结构和参数权重； 7在步骤6确定模型的结构和参数权重的基础上，对测试集上的RGB-D图像对进行测试，生成显著图Ptest，并使用评价指标进行性能评估。

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。