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！

龙图腾网获悉西北工业大学申请的专利基于双流对称特征融合网络模型目标识别方法和装置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：CN116630902B 。

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：202211164740.X，技术领域涉及：G06V20/54；该发明授权基于双流对称特征融合网络模型目标识别方法和装置是由焦连猛;冯美霞;刘准钆;梁彦;潘泉设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本基于双流对称特征融合网络模型目标识别方法和装置在说明书摘要公布了：本发明实施例公开了一种基于双流对称特征融合网络模型目标识别方法和装置。该方法包括：将可见光图像和红外图像输入引入注意力机制的双流对称特征融合网络中提取特征，得到可见光图像特征和红外图像特征；依据可见光图像特征和红外图像特征调用识别模型进行特征测试，输出预测标签；引入注意力机制的双流对称特征融合网络中多级特征融合模块用于增强可见光图像特征和红外图像特中的关键信息将增强后特征表达进行多级级联平均融合得到融合结果；识别模块用于对融合结果进行识别得到目标图像的识别结果。本发明解决了相关技术中由于红外图像或可见光图像在不同环境条件下存在的成像效果缺陷的问题。

本发明授权基于双流对称特征融合网络模型目标识别方法和装置在权利要求书中公布了：1.一种基于双流对称特征融合网络模型目标识别方法，其特征在于，包括： 对同一标签的可见光图像和红外图像进行相同预处理，得到预处理后的所述可见光图像和所述红外图像； 将预处理后的所述可见光图像和所述红外图像输入引入注意力机制的双流对称特征融合网络中提取特征，得到可见光图像特征和红外图像特征； 依据所述可见光图像特征和所述红外图像特征调用识别模型进行特征测试，输出目标图像的预测标签； 其中，所述引入注意力机制的双流对称特征融合网络包括：特征提取模块、多级特征融合模块和识别模块，所述特征提取模块，用于提取预处理后可见光图像的可见光图像特征，以及，红外图像的红外图像特征；所述多级特征融合模块，用于增强所述可见光图像特征和所述红外图像特征中的关键信息，并将增强后特征表达进行多级级联平均融合，得到融合结果；所述识别模块，用于对所述融合结果进行识别，得到所述目标图像的识别结果； 所述识别模型依据所述双流对称特征融合网络和训练样本训练得到，对所述识别模型的训练包括： 通过所述特征提取模块对获取到的可见光图像训练样本和红外图像训练样本进行特征提取，得到可见光图像特征和红外图像特征； 通过空间注意力模块对将所述可见光图像特征和所述红外图像特征进行整合，得到包含有所述可见光图像特征和所述红外图像特征的特征图； 对所述特征图进行多级融合，得到融合后的图像； 依据预先训练的权重对所述融合后的图像通过特征融合层以及全连接层使用随机梯度下降最优化求解器训练，计算真实标签和预测类标签的误差； 通过反向传播过程调整所述权重和所述误差，得到所述识别模型； 所述特征提取模块由分别对可见光图像训练样本和红外热图像训练样本进行操作的两个卷积网络通道构成，每个特征提取通道均由5个卷积层和5个池化层搭建而成，前两层卷积层捕捉包括颜色、线段在内的低级视觉特征，后三层卷积层捕捉更多语义信息，同时也保留部分视觉细节； 所述空间注意力模块部署在所述特征提取模块的第三层卷积层和第五层卷积层的输出的后方，所述空间注意力模块首先使用最大池化和均值池化操作对输入的特征图进行压缩操作处理，然后对输出的特征图在通道层面进行压缩操作处理，即通过两次池化操作生成两个二维特征向量，并将其按Concat操作进行拼接，随后将拼接得到的通道数为2的特征图送入NN网络进行融合，通过卷积的方式保证输出的维度与输入的维度一致； 所述对所述特征图进行多级融合，得到融合后的图像，包括： 对所述特征图经过第三层和第五层与池化层时逐渐降低分辨率并增加特征图的通道数量，得到所述融合后的图像。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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。