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！

龙图腾网获悉山西云时代智慧城市技术发展有限公司申请的专利一种基于深度估计的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：CN115761438B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211429731.9，技术领域涉及：G06V10/82；该发明授权一种基于深度估计的显著性目标检测方法是由赵娜;刘桂楠;张凯浩设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于深度估计的显著性目标检测方法在说明书摘要公布了：本发明提供了一种基于深度估计的显著性目标检测方法，属于目标检测技术领域；解决了现有技术存在的检测目标的检测结果不准确、不清晰、错误的问题；包括如下步骤：图像数据集获取；图像预处理；以编码器‑解码器神经网络为基础框架，搭建神经网络模型，其中编码器部分包括深度估计模块和多层次特征提取模块，深度估计模块用于提取初始深度预测图，多层次特征提取模块用于在提取颜色、纹理、方向浅层特征信息的同时得到深层语义特征信息，从而得到初始显著性预测图；将初始深度预测图和初始显著性预测图同时输入解码器进行融合得到显著性预测图，以合成的显著性预测图作为损失函数来监督编码‑解码器网络的训练；本发明应用于目标检测。

本发明授权一种基于深度估计的显著性目标检测方法在权利要求书中公布了：1.一种基于深度估计的显著性目标检测方法，其特征在于：包括如下步骤： S1：图像数据集获取：所述图像数据集包括两部分内容：一部分是用于深度估计的数据集，包含RGB图像和其对应的深度图像；另一部分是包含RGB图像和真值图像的数据集； S2：图像预处理； S3：构建神经网络：以编码器-解码器神经网络为基础框架，搭建神经网络模型，其中编码器部分包括深度估计模块和多层次特征提取模块，所述深度估计模块用于提取初始深度预测图，所述多层次特征提取模块用于在提取颜色、纹理、方向浅层特征信息的同时得到深层语义特征信息，从而得到初始显著性预测图； 所述多层次特征提取模块用于提取浅层特征信息和上下文语义信息，网络模型分为5个部分，分别是Conv1、Conv2_1、Conv2_2、Conv3_1和Conv3_2，其中Conv1为输入7*7*64的卷积，Conv2_1、Conv2_2、Conv3_1和Conv3_2分别由不同残差块组合构成； Conv2_1由两个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将输入的显著性图像特征下采样到112*112的分辨率； Conv2_2由两个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将输入的显著性图像特征下采样到56*56的分辨率； Conv3_1由三个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将输入的显著性图像特征下采样到28*28的分辨率； Conv3_2由三个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将输入的显著性图像特征下采样到14*14的分辨率； 解码器包括上采样和融合模块，将初始深度预测图和初始显著性预测图同时输入解码器进行融合得到显著性预测图，以合成的显著性预测图作为损失函数来监督编码-解码器网络的训练； 所述解码器包括5个部分，与编码器一一对应，分别是Deconv1、Deconv2_1、Deconv2_2、Deconv3_1和Deconv3_2，其中Deconv3_2负责融合预测深度图像和全局上下文特征信息，由两个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将预测的显著性图像上采样到14*14的分辨率； Deconv3_1由两个残差块组成，分别为二层残差块和三层残差块，其中残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将预测的显著性图像上采样到28*28的分辨率； Deconv2_2由两个残差块组成，将预测的显著性图像上采样到56*56的分辨率； Deconv2_1负责融合预测深度图像和低层次特征信息，由两个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将预测的显著性图像上采样到112*112的分辨率； Deconv1由两个残差块组成，残差块的连接方式基于ResNet的残差模块修改，由1*1、3*3和1*1的三个卷积连接，并增加BatchNormal和Relu激活函数，将预测的显著性图像上采样到224*224的分辨率； S4：监督后输出对应的初始显著性检测图像，由编码器最后一层输出经过处理的最终显著性检测图像。

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山西云时代智慧城市技术发展有限公司，其通讯地址为：030000 山西省太原市综改示范区学府园区长治路345号14层1415室；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。