石家庄铁道大学张云佐获国家专利权
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!
龙图腾网获悉石家庄铁道大学申请的专利一种非对称光照感知渐进解码RGB-T显著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:CN119723108B 。
龙图腾网通过国家知识产权局官网在2025-08-19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:202411840943.5,技术领域涉及:G06V10/44;该发明授权一种非对称光照感知渐进解码RGB-T显著目标检测方法是由张云佐;王双双;肖遥舸;李滢旭;仇紫悦;赵旭静设计研发完成,并于2024-12-13向国家知识产权局提交的专利申请。
本一种非对称光照感知渐进解码RGB-T显著目标检测方法在说明书摘要公布了:本发明公开了一种非对称光照感知渐进解码RGB‑T显著目标检测方法。所述方法包括如下步骤:获取RGB‑T显著目标检测数据集,输入到训练好的RGB‑T显著目标检测网络中;采用两个SwinTransformer骨干网络,获取多层级特征;利用非对称光照感知交互模块,以非对称的方式实现RGB特征和T特征的有效交互,减少干扰信息;通过通道空间特征融合模块,在通道和空间两个维度实现跨模态特征融合;采用分阶段渐进解码策略,将融合后的特征解码输出最后的显著图;所述方法探索跨模态特征交互和融合方法以及多尺度信息聚合策略,提高了RGB‑T显著目标检测的精度。
本发明授权一种非对称光照感知渐进解码RGB-T显著目标检测方法在权利要求书中公布了:1.一种非对称光照感知渐进解码RGB-T显著目标检测方法,其特征在于包括以下步骤: S1:获取RGB-T显著目标检测数据集,进行预处理后输入到训练好的RGB-T显著目标检测网络中; S2:采用两个SwinTransformer骨干网络分支分别对RGB图像和热红外图像进行特征提取,得到RGB特征和T特征,其中,r表示RGB图像,t表示热红外图像,i表示特征的层级; S3:利用非对称光照感知交互模块,以非对称的方式实现RGB特征和T特征的有效交互,减少干扰信息; 所述的非对称光照感知交互模块通过元素乘操作获取两特征的共性信息,随后通过元素减操作获取RGB特征差分信息和T特征差分信息;接下来,将特征交互过程分为两部分:和;对于部分,将T模态的差分信息与拼接起来并通过BConv层,随后经过残差连接和BConv层确保在特征交互过程中原始RGB信息得以保留;接下来,再次引入残差连接操作进一步保留和强化RGB特征的语义信息;对于部分,将RGB模态的差分信息与拼接起来,随后依次通过BConv层、残差连接和BConv层,将结果与生成的空间注意图相乘,以突出T模态中应被特别关注的区域;代表Conv层、BN层和Relu激活函数,代表拼接操作,代表空间注意力,其具体计算公式如下: , , , , ; S4:通过通道空间特征融合模块,在通道和空间两个维度实现跨模态特征融合; 所述通道空间特征融合模块在通道和空间两个维度融合跨模态特征;对于通道维度,使用全局平均池化和全局最大池化获取特征在每个通道上的全局信息,随后将全局平均池化和全局最大池化操作的结果分别进行拼接,输入到全连接层学习不同通道的重要性权重和;接下来,将计算得到的权重向量经过元素加操作,并通过Sigmoid层以生成用于融合两个模态的关键统计量和;最后通过逐元素乘法操作实现自适应的通道特征选择;和表示全局平均池化和全局最大池化,代表全连接层,其具体计算公式如下: , , , , ; 对于空间维度,采用一组扩张率为1,2,4的扩张卷积来获得和的多尺度上下文信息,然后将多尺度信息拼接在一起,通过BConv层对通道维度上的特征进行聚合,得到两个模态的空间注意图和;接下来,将两模态空间注意图进行拼接,通过BConv层和Sigmoid层,得到RGB图像相对权重图,热图像相对权重图通过矩阵E减去得到,最后利用元素乘和元素加操作融合跨模态特征;代表扩张率为r的扩张卷积块,E代表全1矩阵,其具体计算公式如下: , , , , ; S5:采用分阶段渐进解码策略,将融合后的特征解码输出最后的显著图; 所述分阶段渐进解码策略将多层跨模态特征划分为和两组,特征解码过程分为两个阶段;在第一阶段,特征集合被输入到第一个解码器块中,随后通过Conv层生成初始的显著图;紧接着,将作为指导,与中的特征分别进行元素乘操作,进行进一步的改进和细化,以此来抑制无关的背景干扰;在第二阶段,细化后的特征集合被输入到第二个解码器块,随后通过Conv层生成最终的显著图;代表第i个解码器块,其具体计算公式如下: , , 。
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石家庄铁道大学,其通讯地址为:050043 河北省石家庄市长安区北二环东路17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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。