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！

龙图腾网获悉大连理工大学申请的专利基于多尺度自适应融合的RGB-D显著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：CN115690516B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211426843.9，技术领域涉及：G06V10/764；该发明授权基于多尺度自适应融合的RGB-D显著目标检测方法是由孔雨秋;王鹤设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于多尺度自适应融合的RGB-D显著目标检测方法在说明书摘要公布了：本发明属于图像检测领域，具体涉及基于多尺度自适应融合的RGB‑D显著目标检测方法。本发明基于早期和中期融合策略和跨模态的多尺度交互的研究，提出一个双流网络，通过跨模态融合编码器在浅、中、深多尺度自适应集成RGB‑D特征。对于第一个问题，区别于传统的在2D空间早期融合RGB‑D图像，本发明将其投影到三维空间中，将其表示为点云PointCloud数据，通过学习三维空间中的点云表示，显式地建模像素级关系，进一步探索外观和几何信息。对于第二个问题，该发明根据每个尺度的特征，应用到基于点云的融合模块中，以充分利用两种模态的互补信息。

本发明授权基于多尺度自适应融合的RGB-D显著目标检测方法在权利要求书中公布了：1.基于多尺度自适应融合的RGB-D显著目标检测方法，其特征在于，步骤如下： 步骤S1：数据预处理；根据输入的图像组，利用双流网络分别提取两个模态的多尺度特征；图像组包括RGB图像和深度图像； 步骤S2：采取尺度自适应融合编码器，根据跨模态的多尺度属性整合其层次特征； 步骤S21：对于浅尺度特征，基于PointNet++方法实现特征提取，在3D点云空间中学习特征表示； 步骤S22：对于中尺度特征，设计空间对比精细化模块，通过挖掘空间对比信息，精确整合多模态特征； 中尺度特征由浅尺度特征经编码操作得到，该尺度处理方式引入图形神经网络提取场景的结构信息，该网络根据与其他区域的空间对比关系对融合的多模态特征进行细化；首先将对应层次的RGB图像特征与深度图像特征在通道维度通过卷积层连接得到： ; 其中，是连接操作，和分别表示以和为参数的卷积操作；接着基于构建全连接图，其中，表示点的集合，表示边的集合，中的每一个像素被视为点，表示的像素数，节点与之间的边可视为，权重被定义为3D空间内节点间的距离； 步骤S23：对于深尺度特征，利用深度感知通道注意力，自适应地增强RGB-D模态下的语义线索表征能力； 步骤S3：融合多尺度特征，生成预测的显著目标图； 步骤S4：根据损失函数训练整个算法，使算法预测结果拟合正确结果； 步骤S5：利用训练集对RGB-D显著目标检测模型进行训练，并利用验证集对正在训练的模型进行验证，所得的整个算法模型即为RGB-D显著目标检测的工具。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。