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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于深度自适应的反向细化网络架构的RGB-D显著性物体检测装置及其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：CN116485699B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202210022520.7，技术领域涉及：G06T7/00；该发明授权一种基于深度自适应的反向细化网络架构的RGB-D显著性物体检测装置及其检测方法是由刘冰;高丽娜;付平;王甜甜;陈浩林;闫铮设计研发完成，并于2022-01-10向国家知识产权局提交的专利申请。

本一种基于深度自适应的反向细化网络架构的RGB-D显著性物体检测装置及其检测方法在说明书摘要公布了：本发明公开了一种基于深度自适应的反向细化网络架构的RGB‑D显著性物体检测装置及其检测方法。采用双流架构即RGB流和深度流，分别提取RGB相关特征和深度特征，采用交叉融合方法实现多模态特征融合；判断融合特征是否为高层特征，若是高层特征则去获得中间显著性检测结果；若不是高层特征则归为低层特征并等待生成的中间显著性结果经过反向细化模块进行低层特征的反向细化特征；最后生成显著性预测结果。本发明用以解决如何实现跨层级多模态间的学习，充分地探索RGB图像和深度图多模态间的相关性和互补性的问题。

本发明授权一种基于深度自适应的反向细化网络架构的RGB-D显著性物体检测装置及其检测方法在权利要求书中公布了：1.一种基于深度自适应的反向细化网络架构的RGB-D显著性物体检测装置的检测方法，其特征在于，所述检测装置包括深度自适应加权模块、反向细化流模块、集成解码模块； 所述深度自适应加权模块，用以自适应调整深度图质量对显著性检测性能的影响； 所述反向细化流模块，用以捕获显著性物体缺失的语义信息，精细显著性物体检测边缘及完整性； 所述集成解码模块，用以聚合具有跨级多模态特征的显著性预测结果； 所述检测方法具体为， 步骤1：采用双流架构，区分输入RGB图像和深度图，将RGB图像和深度图进行RGB相关特征和深度特征提取； 步骤2：将步骤1提取的RGB相关特征和深度特征，采用交叉融合方法实现多模态特征融合； 步骤3：基于步骤2的多模态特征融合判断融合特征是否为高层特征，若是高层特征则进行步骤4；若不是高层特征则归为低层特征并进行步骤5； 步骤4：高层特征输入到集成解码器，去获得中间显著性检测结果； 步骤5：等待生成的中间显著性结果经过反向细化模块进行低层特征的反向细化特征； 步骤6：步骤4的中间显著性检测结果经过反向细化模块反向细化步骤5的低层特征，将获得到的反向细化特征输入到集成解码器，最后生成显著性预测结果； 所述深度自适应加权模块具体包括以下处理步骤： 步骤1.1：将输入的深度图经过瓶颈卷积单元公式2计算得到降维后的深度特征D； 步骤1.2：降维后的深度特征的通道维度经过分组卷积计算单元，划分为G组，根据公式3可得到然后将D分为两个分支，通道维度表示为 步骤1.3：对D的两个分支分别进行通道注意和空间注意计算，具体由式4和式5计算进一步增强D的表达能力，自适应深度图的质量变化； 步骤1.4：整合每组的信息流通过通道转换操作。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。