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！

龙图腾网获悉北京大学申请的专利基于多源信息融合、热红外和三维深度图的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：CN115713679B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211254518.9，技术领域涉及：G06V10/80；该发明授权基于多源信息融合、热红外和三维深度图的目标检测方法是由英向华;郭若皓;杨锦发设计研发完成，并于2022-10-13向国家知识产权局提交的专利申请。

本基于多源信息融合、热红外和三维深度图的目标检测方法在说明书摘要公布了：本发明公开了一种基于多源信息融合、热红外和三维深度图的目标检测方法，其步骤包括：采用编码器‑解码器范式结构构建一SalienTR模型，其中编码器部分包含两个并行的SwinTransformer主干网络，分别用于提取所输入RGB图像的外观特征，以及所输入热红外图像或深度图像的空间结构特征；解码器部分包含跨模态融合模块和双流解码器，所述跨模态融合模块用于对所述外观特征、空间结构特征进行融合并输入所述双流解码器，所述双流解码器用于根据输入的融合特征和所述外观特征、空间结构特征输出包含预测显著性目标及其边缘轮廓的预测分割图；将待检测图像及其对应的热红外图或深度图输入训练后的模型中，输出预测分割图。

本发明授权基于多源信息融合、热红外和三维深度图的目标检测方法在权利要求书中公布了：1.一种基于多源信息融合、热红外和三维深度图的目标检测方法，其步骤包括： 1采用编码器-解码器范式结构构建一SalienTR模型，其中编码器部分包含两个并行的SwinTransformer主干网络，第一SwinTransformer主干网络用于提取所输入RGB图像的外观特征，第二SwinTransformer主干网络用于提取所输入热红外图像或深度图像的空间结构特征；解码器部分包含跨模态融合Transformer模块和双流解码器，所述跨模态融合Transformer模块用于对所述外观特征、空间结构特征进行融合并输入所述双流解码器，所述双流解码器用于根据输入的融合特征和所述外观特征、空间结构特征输出包含预测显著性目标及其边缘轮廓的预测分割图；其中， 所述跨模态融合Transformer模块中包括局部跨模态自注意力模块、全局跨模态自注意力模块和单模态卷积模块；所述局部跨模态自注意力模块用于捕捉外观特征与空间结构特征间的局部特征相关性；所述全局跨模态自注意力模块用于构建外观特征与空间结构特征间的全局特征关系，学习全局语义特征；所述单模态卷积模块用于对融合了局部特征相关性和全局语义特征的外观特征、空间结构特征分别进行特征提取，得到注入了卷积偏置归纳的外观特征、空间结构特征； 所述双流解码器对输入的RGB特征依次进行上采样操作、卷积操作，生成RGB特征F*R；所述双流解码器对输入的热红外特征或深度特征依次进行上采样操作、卷积操作，生成对应的特征F*T；特征F*T为热红外特征或深度特征；将RGB特征F*R与特征在通道维度上进行拼接，生成RGB特征将特征F*T与特征在通道维度上进行拼接，生成特征然后对特征依次进行上采样操作、卷积操作，生成预测的显著性目标边缘分割图；将RGB特征与特征在通道维度上进行拼接所得特征依次进行上采样操作、卷积操作，生成预测的显著性目标分割图； 2获取RGB-T显著性目标检测数据集和RGB-D显著性目标检测数据集并对其中的每一图像进行标注，生成训练数据集；其中，RGB-T显著性目标检测数据集中的每对图像包括一应用场景的RGB图像及对应的热红外图像，RGB-D显著性目标检测数据集中的每对图像包括一应用场景的RGB图像及对应的深度图像； 3利用所述训练数据集训练优化所述SalienTR模型； 4将待检测图像及其对应的热红外图或深度图输入训练后的SalienTR模型中，输出预测分割图。

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大学，其通讯地址为：100871 北京市海淀区颐和园路5号北京大学；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。