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RGB-T双模态特征融合的语义分割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：CN115620010B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211144937.7，技术领域涉及：G06V10/26；该发明授权一种RGB-T双模态特征融合的语义分割方法是由葛微;李金龙;郝子强;陈婷婷;郭金鑫设计研发完成，并于2022-09-20向国家知识产权局提交的专利申请。

本一种RGB-T双模态特征融合的语义分割方法在说明书摘要公布了：本发明属于语义分割技术领域，尤其为一种RGB‑T双模态特征融合的语义分割方法，包括如下步骤：步骤1，构建网络模型：整个网络主要由双分支编码器和解码器、注意力融合模块两部分组成；步骤2，准备数据集：对整个卷积网络先用语义分割数据集进行训练；步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练。本发明在提取红外特征和可见光图像特征信息时，逐层将输出特征图传入注意力机制双模态融合模块，通过给定输入模型，通过注意力机制丰富了空间和通道特征，然后跳跃连接为解码器网络提供更多的浅层细节信息，去除冗余特征信息，得到优异的语义分割性能，分割效果和精度更好。

本发明授权一种RGB-T双模态特征融合的语义分割方法在权利要求书中公布了：1.一种RGB-T双模态特征融合的语义分割方法，其特征在于：包括如下步骤： 步骤1，构建网络模型：整个网络主要由双分支编码器和解码器、注意力融合模块两部分组成； 所述步骤1中双分支编码器为可见光图像编码器和红外图像编码器，注意力融合模块分为注意力机制和融合模块两部分组成；可见光图像编码的卷积块一对输入的可见光图片进行初级特征提取，卷积块二、卷积块三、卷积块四和卷积块五对可见光图像的初级特征提取获得可见光图像的高级特征；红外图像编码的卷积块六对输入的红外图片进行初级特征提取，卷积块七，卷积块八、卷积块九和卷积块十对红外图像的初级特征提取获得红外图像的高级特征，双模态高级特征分别进入空间金字塔池层一和空间金字塔池层二进行多尺度信息的处理，输出至卷积块十一进行解码操作，并且卷积块二、卷积块三、卷积块四和卷积块五的可见光特征信息与卷积块七，卷积块八、卷积块九和卷积块十的红外图像中特征信息分别输入到注意力融合模块进行特征信息互补融合后，分别输出到卷积块十二、卷积块十三、卷积块十四和卷积块十五与解码器进行跳跃连接，最终通过卷积块十六进行分类分割得到最终语义分割结果图； 步骤2，准备数据集：对整个卷积网络先用语义分割数据集进行训练； 步骤3，训练网络模型：将步骤2中准备好的数据集输入到步骤1中构建好的网络模型中进行训练； 步骤4，选取最佳损失函数和最优评价指标：通过最小化网络输出图像与标签的损失函数，直到训练次数达到设定阈值或损失函数的值到达设定范围内即可认为模型参数已预训练完成，保存模型参数；最优评估指标选择像素准确率，平均交并比，参数大小和推理速度，能够评估算法的精度与实时性，衡量网络语义分割的作用； 步骤5，微调模型：用红外与可见光图像对模型进行训练和微调，得到稳定可用的模型参数，最终使得模型参数，进一步提高模型的可见光与红外图像语义分割能力；最终使得模型对图像分割的效果更准确； 步骤6，保存模型：将最终确定的模型参数进行固化，之后需要进行可见光与红外图像语义分割时，直接将图像输入到网络中即可得到最终的语义分割图像。

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长春理工大学，其通讯地址为：130000 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”。

以上内容由龙图腾AI智能生成。