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！

龙图腾网获悉安徽信息工程学院申请的专利一种基于边界可变形卷积引导的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：CN115830420B 。

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：202211290031.6，技术领域涉及：G06V10/80；该发明授权一种基于边界可变形卷积引导的RGB-D显著性目标检测方法是由孟令兵;袁梦雅;时雪涵设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于边界可变形卷积引导的RGB-D显著性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边界可变形卷积引导的RGB‑D显著性目标检测方法，包括下列步骤：步骤一、分别对RGB模态与深度图模态进行特征提取；步骤二、通过跨模态注意力融合特征模块对两种模态特征进行融合以挖掘显著物的共性与互补特征；步骤三、将特征图输入到嵌入有相邻多尺度特征增强模块的编码器深层，获得全局上下文特征信息；步骤四、通过构建边界特征提取模块生成显著物的边界线索图；步骤五、利用生成的边界线索图和可变形卷积引导生成显著图。本发明通过深度图和RGB图像交叉融合来互相挖掘和强化显著物共性，利用相邻层次特征交互有效捕获具有不同尺寸和不确定数量的显著物，利用边缘线索图引导模型解码以解决显著图边界模糊问题。

本发明授权一种基于边界可变形卷积引导的RGB-D显著性目标检测方法在权利要求书中公布了：1.一种基于边界可变形卷积引导的RGB-D显著性目标检测方法，其特征在于：包括下列步骤： 步骤一、分别对RGB模态与深度图模态进行特征提取； 步骤二、通过跨模态注意力融合特征模块对两种模态特征进行融合以挖掘显著物的共性与互补特征； 步骤三、将融合得到的特征图输入到嵌入有相邻多尺度特征增强模块的编码器深层，获得全局上下文特征信息； 步骤四、通过构建边界特征提取模块生成显著物的边界线索图； 步骤五、利用生成的边界线索图和可变形卷积引导跨模态融合特征进行逐层解码生成显著图； 所述步骤三中，相邻多尺度特征增强模块由五个分支组成，每一个分支采用的扩张因子r分别为1、2、3、4、5，输入到该模块的深层特征图为F4RD；其中，中间三个分支AM2、AM3和AM4包含自身分支和与它相邻的两个分支，而另外两个分支AM1和AM5只包含两个分支：一个自身分支和一个相邻分支，具体计算公式表示如下： ，8 其中fd表示扩张卷积，r表示扩张因子； 将包含的分支特征FrAM通过加法融合后的得到融合后的分支输出FrDAM；利用通道注意力模块CA来获得各个分支的权重，然后拼接所有特征图作为最终输出FAMC；其计算公式如下： ，9 ；10 所述步骤五中采用了边界可变形卷积引导模块，边界可变形卷积引导模块包括边界引导模块和可变形卷积模块；在边界引导模块中，边界线索图通过特征级的注意力映射得到特征图，并将该特征图与跨模态融合特征图结合后输入到可变形卷积模块中；可变形卷积模块能够学习到额外的偏移量，结合此偏移量学习后，可变形卷积核的位置可以根据当前需要检测的显著物进行动态调整，不同位置卷积核采样点位置将依据显著性目标位置而自适应改变；最后采用Sigmoid函数生成显著图。

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安徽信息工程学院，其通讯地址为：241100 安徽省芜湖市湾沚区永和路1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。