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！

龙图腾网恭喜江西财经大学申请的专利跨模态关联学习的RGB-D显著目标检测方法与系统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：CN119360177B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202411943452.3，技术领域涉及：G06V10/80；该发明授权跨模态关联学习的RGB-D显著目标检测方法与系统是由丁冠群;方玉明;鄢杰斌设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本跨模态关联学习的RGB-D显著目标检测方法与系统在说明书摘要公布了：本发明提出跨模态关联学习的RGB‑D显著目标检测方法与系统，该方法包括：基于双流编码器架构，构建RGB模态与深度模态的特征提取网络；利用自适应跨模态融合模块进行特征融合以得到跨模态融合特征；利用逐元素乘法对精细化大尺度特征与小尺度上采样特征进行注意力增强以得到多尺度特征聚合模块的输出融合特征；利用上采样层和卷积层对多尺度特征聚合模块的输出融合特征进行物体边界的预测以得到边缘预测图的特征；对显著性特征进行逐点相加操作以得到最终的显著性预测图；将RGB‑D数据输入网络模型进行训练，以生成RGB‑D显著目标检测结果；本发明通过挖掘模态间的关联性与互补性，充分整合不同模态的特性信息，提升了显著目标检测的准确性和鲁棒性。

本发明授权跨模态关联学习的RGB-D显著目标检测方法与系统在权利要求书中公布了：1.一种跨模态关联学习的RGB-D显著目标检测方法，其特征在于，所述方法包括如下步骤：步骤1、基于双流编码器模块与自适应跨模态融合模块构建特征提取主干网络；基于分层多尺度特征聚合模块构建显著目标解码器，特征提取主干网络和显著目标解码器构成RGB-D显著目标检测网络模型；步骤2、利用双流编码器模块中的信息编码模块提取多阶段RGB图像的尺度表示特征和多阶段深度图像的尺度表示特征，利用自适应跨模态融合模块对多阶段RGB图像的尺度表示特征和多阶段深度图像的尺度表示特征进行分层特征融合以得到融合的跨模态融合特征；步骤3、对融合的跨模态融合特征的相邻特征进行表示以得到相邻尺度特征，利用分层多尺度特征聚合模块的融合层级对相邻尺度特征进行融合以得到精细化大尺度特征与精细化小尺度特征；对精细化小尺度特征进行上采样处理，得到精细化小尺度特征的上采样特征；将精细化大尺度特征与精细化小尺度特征进行特征融合，以获得精细化大尺度特征与精细化小尺度特征的融合特征，对精细化大尺度特征与精细化小尺度特征的融合特征进行卷积层计算，以得到精细化大尺度特征与精细化小尺度特征的融合特征的卷积层计算结果，并利用激活函数对卷积层计算结果进行处理以获得注意力映射图；利用逐元素乘法分别对精细化大尺度特征以及精细化小尺度特征的上采样特征进行注意力增强处理，以得到增强的大尺度特征和增强的小尺度特征；利用分层多尺度特征聚合模块对增强的大尺度特征和增强的小尺度特征进行融合，以得到分层多尺度特征聚合模块的输出融合特征；步骤4、利用上采样层和卷积层对分层多尺度特征聚合模块的输出融合特征进行物体边界的预测，以得到边缘预测图的特征；步骤5、对分层多尺度特征聚合模块的输出融合特征进行卷积层计算以得到输出融合特征的显著性特征，并对输出融合特征的显著性特征结合边缘预测图的特征进行逐点相加操作以得到最终的显著性预测图；步骤6、将RGB-D数据输入至RGB-D显著目标检测网络模型进行训练，并结合边缘预测图的特征以及最终的显著性预测图以生成RGB-D显著目标检测结果。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。