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！

龙图腾网获悉中国刑事警察学院申请的专利低对比度场景下目标识别方法、系统、设备及介质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：CN121415203B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511970248.5，技术领域涉及：G06V10/80；该发明授权低对比度场景下目标识别方法、系统、设备及介质是由王宝玉;曹萍萍;廖师成设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本低对比度场景下目标识别方法、系统、设备及介质在说明书摘要公布了：本申请提供一种低对比度场景下目标识别方法、系统、设备及介质，涉及人工智能的计算机视觉领域。该方法包括：使用双骨干编码器分别提取RGB图像的多级RGB特征和深度图像的多级深度特征；将多级RGB特征和多级深度特征输入跨模态特征融合模块，通过双路径融合和深度引导注意力机制生成跨模态融合特征；将跨模态融合特征输入自适应边缘优化模块，通过动态门控机制和边缘增强处理生成高维增强特征；将高维增强特征输入分层特征融合模块，通过跨尺度融合和通道注意力机制生成全局优化特征，基于全局优化特征生成显著性预测图。本申请可以实现对低对比度场景中目标的精准、鲁棒且高效识别。

本发明授权低对比度场景下目标识别方法、系统、设备及介质在权利要求书中公布了：1.一种低对比度场景下目标识别方法，其特征在于，所述方法包括： 使用双骨干编码器分别提取RGB图像的多级RGB特征和深度图像的多级深度特征；其中，所述RGB图像和深度图像均为在低对比度场景下所采集的图像； 将所述多级RGB特征和多级深度特征输入跨模态特征融合模块，通过双路径融合和深度引导注意力机制生成跨模态融合特征； 将所述跨模态融合特征输入自适应边缘优化模块，通过动态门控机制和边缘增强处理生成高维增强特征； 将所述高维增强特征输入分层特征融合模块，通过跨尺度融合和通道注意力机制生成全局优化特征，基于所述全局优化特征生成显著性预测图； 将所述多级RGB特征和多级深度特征输入跨模态特征融合模块，通过双路径融合和深度引导注意力机制生成跨模态融合特征，包括： 基于多级RGB特征与多级深度特征，通过如下公式计算得到显著性目标双模态的基础信息： 式中，表示卷积核大小为的深度可分离卷积运算，表示非线性校正单元运算，所述非线性校正单元运算包括深度可分离卷积运算DSConv、批归一化BN和高斯误差线性单元GELU，表示逐元素加和运算； 基于多级RGB特征与多级深度特征，通过如下公式计算得到显著性目标双模态的互补信息： 式中，表示在通道维度的特征拼接操作，表示卷积核大小为的深度可分离卷积运算，表示双模态级联特征，dim=1表示在通道维度的变换； 将显著性目标双模态的基础信息和互补信息分别作为查询特征和深度指导特征输入到深度引导注意力机制，计算得到跨模态融合特征； 将显著性目标双模态的基础信息和互补信息分别作为查询特征和深度指导特征输入到深度引导注意力机制，计算得到跨模态融合特征，包括： 通过深度可分离卷积运算分别将双模态互补信息和基础信息映射为第一查询特征和第二查询特征、第一关键特征和第二关键特征、第一值特征和第二值特征，并得到查询特征投影结果； 将第一关键特征和第二关键特征、第一值特征和第二值特征分别在通道维度拼接形成联合键特征、联合值特征，同时对查询特征投影结果和联合键特征进行区域级平均池化，得到第一区域级特征、第二区域级特征和第三区域级特征； 将第一区域级查询特征和第二区域级特征展平为序列，通过矩阵乘法计算区域间相关性，并引入深度相似度加权，得到用于增强深度一致的区域间相关性矩阵； 对区域间相关性矩阵进行TopK筛选，选取每个查询区域相关性最高的K个键区域，生成稀疏的区域图索引； 以查询特征投影结果为查询特征，联合键特征、联合值特征为键值，结合区域图索引，通过双稀疏注意力机制生成增强特征和Token级注意力矩阵； 计算辅助尺度的双稀疏注意力增强特征和Token级注意力矩阵，与主尺度增强特征拼接后通过深度可分离卷积运算进行融合，得到多尺度特征； 通过非线性校正单元运算提取位置增强特征，与多尺度特征相加，并通过深度可分离卷积运算将通道数投影回原始维度，得到跨模态融合特征； 将所述跨模态融合特征输入自适应边缘优化模块，通过动态门控机制和边缘增强处理生成高维增强特征，包括： 计算跨模态融合特征的动态门控值及其均值，计算过程表示为： 式中，表示自适应全局平均池化操作，和表示深度可分离卷积运算DSConv下的卷积核矩阵，表示ReLU函数，表示Sigmoid函数，表示动态门控值，表示均值计算，表示动态门控值的平均值，表示自适应均值特征； 当时，通过可学习边缘检测模块提取输入特征的边缘特征图，再通过轻量级霍夫变换提取线特征以得到线特征图； 将边缘特征图与线特征图相加融合，再通过非线性校正单元运算来实现对于特征通道维度的压缩变换，得到维度匹配后的特征图； 将维度匹配后的特征图从网格结构重塑为序列结构，通过Mamba模块进行序列建模，捕捉长距离依赖关系，再重塑回网格结构，得到Mamba增强后的特征图； 基于Mamba增强后的特征图，通过如下公式计算得到高维增强特征： 式中，表示批归一化，表示哈达玛积运算，表示Sigmoid函数，表示卷积核大小为的深度可分离卷积运算，表示多尺度特征，表示通道变换特征，表示动态门控值。

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中国刑事警察学院，其通讯地址为：110854 辽宁省沈阳市皇姑区塔湾街83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。