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！

龙图腾网获悉长春大学申请的专利一种轻量级双流跨模态交互的RGB-D显著性目标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：CN120544005B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510657798.5，技术领域涉及：G06V10/82；该发明授权一种轻量级双流跨模态交互的RGB-D显著性目标检测方法是由杜钦生;薛蛟;卞瀛绪;郭鑫;杜佐盛;沈超;张石岩;张宁博;吴建雨设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种轻量级双流跨模态交互的RGB-D显著性目标检测方法在说明书摘要公布了：本发明涉及一种轻量级双流跨模态交互的RGB‑D显著性目标检测方法，包括以下步骤：步骤S1：数据准备，获取该任务的RGB‑D数据集，用于训练和测试，其中，将NJU2K数据集的一部分和NLPR数据集的一部分作为训练集，将剩余部分的NJU2K数据集和NLPR数据集、SIP数据集、STERE数据集和SSD数据集共同作为测试集；步骤S2：构建网络模型，包括：步骤S21：解码器的特征提取主干网络构建，步骤S22：自适应跨模态融合模块ACM，步骤S23：多尺度空洞注意力模块MSA；步骤S24：解码器，步骤S25：损失函数计算，步骤S26：评价指标；本发明的优点是：在具有较低模型复杂度的情况下依然能够保持较高的计算效率，同时在处理多种类型场景时具有较强的泛化性和准确性。

本发明授权一种轻量级双流跨模态交互的RGB-D显著性目标检测方法在权利要求书中公布了：1.一种轻量级双流跨模态交互的RGB-D显著性目标检测方法，其特征在于，包括以下步骤： 步骤S1：数据准备， 获取该任务的RGB-D数据集，用于训练和测试，其中，将NJU2K数据集的一部分和NLPR数据集的一部分作为训练集，将剩余部分的NJU2K数据集和NLPR数据集、SIP数据集、STERE数据集和SSD数据集共同作为测试集； 步骤S2：构建网络模型，包括：步骤S21：解码器的特征提取主干网络构建，步骤S22：自适应跨模态融合模块ACM，步骤S23：多尺度空洞注意力模块MSA，步骤S24：解码器，步骤S25：损失函数计算，步骤S26：评价指标； 步骤S22：自适应跨模态融合模块ACM， 通过ACM模块用于融合RGB图像特征和深度图像特征，ACM模块分为通道扩展层，特征融合层和通道投影层，在通道扩展层中将特征通过1×1卷积将通道扩展到高维使RGB流分支和深度流分支具有同样的通道数，在特征融合层中，使用轻量级方式将特征连接起来进行自适应的融合和过滤，最后在通道投影层中使用1×1卷积将特征投影到低维； 步骤S221：在通道扩展层中，通过轻量级主干网络分别提取了RGB图像和深度图像的特征和之后，分别对输入的RGB图像特征和深度图像特征进行1×1卷积，批量归一化和ReLU激活函数操作，使RGB流分支和深度流分支的输出具有相同的维度，以便后续进行特征融合和处理，具体过程为： ； ； 其中，BN表示批归一化操作，ReLU表示激活函数，经过通道扩展后的RGB流分支和深度流分支特征用和表示，如果存在前一层的特征，则也需要相应的对前一层的特征进行1×1卷积、批量归一化和ReLU操作，将其通道数调整为与RGB流分支和深度流分支通道扩展后的通道数相同，这一过程表示为： ； ； ； 其中和表示1×1卷积以及双线性插值操作，表示前一层特征经过操作后的结果，表示特征融合，表示通过卷积进行降维的操作，和分别表示RGB特征和深度特征分别与经过处理后的前层特征进行特征融合操作后的结果； 步骤S222：在特征融合层中，将融合后的特征和分别执行全局平均池化和展平操作，得到包含RGB特征和深度特征全局信息的向量和，用公式表示为： ； ； 将全局特征向量和拼接，输入到全连接层用来计算融合权重fusion_weights，假设全连接层的权重矩阵为，偏置为，激活函数为，则融合权重的计算用公式表示为： ； 其中表示在特征维度上进行拼接，表示Softmax函数，用于将输出归一化到0-1之间，得到两个权重值，分别对应RGB特征和深度特征的权重，用view操作对其形状进行调整，以分别得到RGB特征和深度特征的权重，如公式所示： ； ； 表示取张量中每一行的第一个元素即RGB的权重，以实现与特征图进行逐元素相乘操作，实现对RGB特征的加权，同理，是对深度特征权重的变形，用于对深度特征进行加权； 同时，对通道扩展对齐后的RGB特征和深度特征通过注意力机制选择最具有代表性的特征，增强后的特征用公式表示如下： ； ； 其中，表示ShuffleAttention模块，特征融合过程用公式表示为 ； 步骤S223：在通道投影层中，使用带有ReLU激活函数的一个3×3卷积和两个1×1卷积操作组合对特征进行投影，因此ACM模块最终的输出用公式表示为： ； 其中表示包含ReLU激活函数的一个3×3卷积和两个1×1卷积的组合操作，表示第层ACM模块最终的输出。

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大学，其通讯地址为：130000 吉林省长春市朝阳区卫星路6543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。