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！

龙图腾网获悉长春理工大学申请的专利一种用于RGB-D显著目标检测的交互式显著性挖掘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：CN116524208B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202310536823.5，技术领域涉及：G06V10/46；该发明授权一种用于RGB-D显著目标检测的交互式显著性挖掘方法是由孙浩东;王宇设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本一种用于RGB-D显著目标检测的交互式显著性挖掘方法在说明书摘要公布了：本发明属于计算机视觉和图像处理技术领域，尤其为一种用于RGB‑D显著目标检测的交互式显著性挖掘方法，包括如下步骤：S1、采用双流编码器网络来提取RGB和深度图像的多级交叉模态特征；S2、提出一个跨模态交互模块，通过一系列矩阵操作来实现这些不同特征的交互和聚合；S3、尝试将显著性感知信息与复杂环境分开，并在相对粗糙的显著性图的指导下建立相邻特征之间的融合方法；S4、将所述的显著性感知信息和背景信息进一步提取上下文信息。本发明在编码阶段得到了多层测的跨模态融合特征，利用渐进式的显著性挖掘模块来解码多层次特征，逐步把复杂的背景干扰过滤掉是显著图更精确，逐步细化显著性区域使显著图更精细，实现最优的解码过程。

本发明授权一种用于RGB-D显著目标检测的交互式显著性挖掘方法在权利要求书中公布了：1.一种用于RGB-D显著目标检测的交互式显著性挖掘方法，其特征在于：包括以下步骤：S1、分析现有的基于RGB-D图像的显著性目标检测算法的优点与仍存在的问题，搭建显著性目标检测网络与各个模块；S2、收集整理现有的可用于显著性目标检测的RGB-D图像数据集，分别提取多层次的RGB图像特征和Depth图像特征，并跨模态融合RBG特征和Depth特征，形成具有多分辨率的多层次跨模态融合特征；S3、显著性挖掘模块以渐进式的方式整合多层次的融合特征，分离显著性感知特征和复杂背景特征，逐渐输出各层粗略显著图以及最终显著图；S4、场景探索模块进一步提取显著性感知特征和复杂背景特征的上下文信息；S5、进行多次实验，对不同的模块、网络结构和参数进行调优，并记录每次的实验结果；S6、通过计算平均绝对误差、meanF-measure、E-measure和S-measure四个评价指标来完成量化指标的评估，评估所构建的网络是否有效，验证所提出的各个模块是否有效；其中，所述平均绝对误差用于衡量显著图与真值图逐像素之间绝对误差的均值，计算方式如下：所述meanF-measure用于计算平均精度和召回率的调和平均值，计算方式如下： 且β2取值为0.3；所述E-measure用于衡量图像层次的统计信息及其局部像素匹配信息，计算方式如下：所述S-measure用于比较结构相似信息，其中so为物体结构相似性，sr为区域结构相似性，α为平衡参数，取值为0.5，计算方式如下：Sα＝α*so+1-α*sr；所述步骤S2中，提取多层次的RGB图像特征和Depth图像特征方法是使用俩个共享权重的在ImageNet上预训练的PVT骨干网络来分别提取RGB特征和Depth特征，形成和i＝1,…4，其中i表示层数，代表PVT的每层输出，得到的四层特征具有不同的分辨率和通道数；所述RBG特征和Depth特征融合方法是采用跨模态交互模块实现，所述跨模态交互模块是引入矩阵运算来建立RGB特征和深度特征之间相关性；首先对RGB特征FRGB进行整形和转置，将Depth特征FDepth进行整形，再俩个张量矩阵进行矩阵乘法，得到相关矩阵S和差异感知信息矩阵SD；将FRGB和FDepth经过矩阵整形后与SD进行矩阵乘法后再拼接得到最终融合特征Ffuse。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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”。