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！

龙图腾网获悉浙江工业大学申请的专利基于渐进式多尺度特征融合的RGB-D显著性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：CN119810423B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510001578.7，技术领域涉及：G06V10/25；该发明授权基于渐进式多尺度特征融合的RGB-D显著性检测方法是由王涌;程孔昊;徐顺发设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本基于渐进式多尺度特征融合的RGB-D显著性检测方法在说明书摘要公布了：基于渐进式多尺度特征融合的RGB‑D显著性检测方法，包括：1获取训练和测试该任务的RGB‑D数据集。2选择双流Swin‑Transformer模型为主干网络，提取模型训练时四个阶段的RGB特征和深度特征。3通过交叉注意融合模块得到四个阶段的跨模态融合特征。4利用空间渐进融合模块，将四个阶段的跨模态融合特征聚合成最终的解码特征。通过三个权重融合模块，将前三个阶段的跨模态融合特征依次融入解码特征中。5在每个权重融合模块后，利用渐进卷积模块对权重融合后的特征图进行特征提取。将最后一个渐进卷积模块的输出特征图作为RGB‑D显著性目标检测的结果。本发明自带的自注意力机制可以直接建模特征图上不同位置之间的关系，而不受距离限制，从而有效捕捉图像中长距离的依赖关系。

本发明授权基于渐进式多尺度特征融合的RGB-D显著性检测方法在权利要求书中公布了：1.基于渐进式多尺度特征融合的RGB-D显著性检测方法，其特征在于：包括以下步骤： 步骤1、获取任务所需的训练集和测试集； 步骤2、采用双流的Swin-transformer网络作为主干网络，提取模型训练过程中四个阶段的不同尺度的RGB图像特征和深度图像特征，分别记为和fid,i∈1,4； 步骤3、利用交叉注意融合模块CAFM分别将RGB支干和深度支干中相邻层的输出特征fird和融合成Fird，i∈1,4；再将和进行跨模态特征融合得到多级的跨模态融合特征 步骤4、利用空间渐进融合模块SPFM，将步骤3得到的跨模态融合特征按照从低层特征到高层特征的顺序渐进式地提取低层空间信息并融入高层特征，得到最终的RGB-D图像编码特征 步骤5、通过上采样和通道压缩操作，将步骤4中所得的编码特征与步骤3所得的阶段跨模态特征的特征维度对齐，得到从第三阶段开始，依次利用权重融合模块WFM对和进行通道上的加权拼接，利用差卷积模块PCM对拼接结果进行特征解码得到将最终的作为显著性预测的结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。