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！

龙图腾网获悉杭州电子科技大学申请的专利基于多尺度置信度和自注意机制的肠道环境深度补全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：CN116523986B 。

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：202310287841.4，技术领域涉及：G06T7/50；该发明授权基于多尺度置信度和自注意机制的肠道环境深度补全方法是由章国道;尹学松;刘儒瑜;吴子朝;秦瑶;刘政喆;戴立婷设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本基于多尺度置信度和自注意机制的肠道环境深度补全方法在说明书摘要公布了：基于多尺度置信度和自注意机制的肠道环境深度补全方法，属于计算机视觉和人工智能技术领域。本方法中，构建多尺度置信度神经网络，挖掘稀疏深度数据中潜在的几何特征，通过将有效的深度像素值扩散到相邻像素点来填补稀疏深度图中的空洞，获得像素分布均衡的完整稠密的深度特征图，有利于和对应和RGB图像进行跨模态融合；接着，将深度特征图及置信度图输入到深度补全网络，在对应RGB图像的指导下融合跨模态特征进行深度补全；最后，融合的多模态特征通过设计的基于自注意机制的结构感知模块，进一步增强图像和深度数据中的几何和纹理特征，提高深度补全的精度。

本发明授权基于多尺度置信度和自注意机制的肠道环境深度补全方法在权利要求书中公布了：1.基于多尺度置信度和自注意机制的肠道环境深度补全方法，其特征在于，包括以下步骤： S1、构建多尺度置信度神经网络，挖掘稀疏深度数据中潜在的几何特征，通过将有效的深度像素值扩散到相邻像素点来填补稀疏深度图中的空洞，获得像素分布均衡的完整稠密的深度特征图和置信度图，有利于和对应的RGB图像进行跨模态融合； S2、构建深度补全网络，将深度特征图及置信度图输入到深度补全网络，在对应RGB图像的指导下融合跨模态特征进行深度补全； S3、在深度补全网络中构建基于自注意力机制的结构感知模块，融合的多模态特征通过结构感知模块，进一步增强图像和深度数据中的几何和纹理特征，提高深度补全的精度； 所述步骤S1中构建的多尺度置信度神经网络采用编码-解码结构，将传统的编码解码框架中的标准卷积层替换为归一化卷积层；基于置信度信号理论，归一化卷积可以利用有效像素表示其邻域像素，从而实现像素扩散和致密化； 所述归一化卷积层的作用流程如下： 1归一化卷积层同时接受两个输入，即稀疏深度图及其对应的置信度图，其生成估计的深度值的过程如公式1所示： 其中，l表示归一化卷积层的层数，l-1表示上一层的卷积层，表示对应尺度的置信度图像与原图像的关联性；函数Γ·＝log1+exp·将的上域转换为非负值，同时保持曲面的趋势；Zl-1表示l-1层的深度图，Cl-1表示l-1层的置信度图，bl是偏置项，是为了防止分母为零添加的常数； 2为了在层与层之间传播稀疏深度图对应的置信掩码，将公式1中计算得到的分母项归一化为滤波元素之和，具体处理过程如公式2所示： 其中，Cl-1表示l-1层的置信度值，函数Γ·＝log1+exp·将二维曲面的上域转换为非负值，同时保持曲面的趋势，是常数； 3基于Γ函数，将多尺度置信度网络的反向传播，其公式如下： 其中，E表示来自网络的深度预测与真实值之间的损失。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街1158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。