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！

龙图腾网获悉北京交通大学申请的专利一种基于多投影表征的全景图像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：CN115424100B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210865756.7，技术领域涉及：G06V10/80；该发明授权一种基于多投影表征的全景图像显著性目标检测方法是由丛润民;黄可;吴春雷;白慧慧;赵耀设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本一种基于多投影表征的全景图像显著性目标检测方法在说明书摘要公布了：本发明涉及一种基于多投影表征的全景图像显著性目标检测方法，构建一个编码器‑解码器结构的端到端检测网络，将等矩形投影图像和相应的四个立方体展开图像共同作为检测网络的输入；在编码器阶段，等矩形投影分支和立方体展开分支通过共享参数的五十层深度残差网络ResNet‑50提取特征；在解码器阶段，动态加权融合模块自适应地融合等矩形投影特征和四种立方体展开特征，过滤与细化模块结合编码与解码特征，得到最终的显著性图。本发明，检测网络结合等矩形投影与立方体展开两种全景图像的表征方式，将等矩形投影图像和相应的四个立方体展开图像作为共同输入，其中，立方体展开图像为等矩形投影图像提供补充信息，确保目标的完整性。

本发明授权一种基于多投影表征的全景图像显著性目标检测方法在权利要求书中公布了：1.一种基于多投影表征的全景图像显著性目标检测方法，其特征在于，构建一个编码器-解码器结构的端到端检测网络，将等矩形投影图像和相应的四个立方体展开图像共同作为检测网络的输入； 所述等矩形投影图像和四个立方体展开图像，分别对应编码器的两个分支，即等矩形投影分支和立方体展开分支； 在编码器阶段，等矩形投影分支和立方体展开分支通过共享参数的五十层深度残差网络ResNet-50提取特征； 在解码器阶段，动态加权融合模块自适应地融合等矩形投影特征和四种立方体展开特征，过滤与细化模块结合编码与解码特征，得到最终的显著性图； 所述动态加权融合模块自适应地融合等矩形投影特征和四种立方体展开特征，具体包括： 采用一个门控表征间融合单元实现两种投影表征特征的融合，将各立方体展开特征与等矩形投影特征的表征间融合，自适应地筛选出两种不同投影表征特征中有价值的部分，得到由立方体展开引导的融合特征； 门控表征间融合单元首先学习一个重要性图Pi，用以评估立方体展开特征在融合中的贡献；再将等矩形投影特征FE与每个立方体展开特征在通道维度进行拼接，然后使用SE模块计算通道注意力，随后通过一个瓶颈卷积层和sigmoid激活函数得到重要性图Pi； 在得到重要性图Pi后，由立方体展开引导的融合特征则可以通过以下公式计算： 式中，表示哈达玛乘法Hadamardmultiplication，Fi表示由立方体展开引导的融合特征，即为门控表征间融合单元的最终输出； 通过上述门控表征间融合单元，四个立方体展开特征分别与等矩形投影特征进行自适应融合，得到四个由立方体展开引导的融合特征； 采用一个加权表征内融合单元实现四个立方体展开引导的融合特征的表征内融合； 加权表征内融合单元将原始的四个立方体展开特征 拼接，通过SE模块，得到一个权重向量α∈R4C×1×1； 将权重向量进一步切割成四个子向量αi∈RC×1×1，经过归一化后得到自适应权重ωi； 得到相应的自适应权重后，则进行如下所述表征内融合： 将门控表征间融合单元得到的四个由立方体展开引导的融合特征Fi∈RC×H×W，以自适应地加权方式进行融合，并结果与等矩形投影特征FE相加，得到本模块最终的融合特征Ff： 式中，ωi是由加权表征内融合单元得到的相应权重，表示逐元素加法，表示在整个特征平面上的逐元素乘法； 所述过滤与细化模块步进式地实现特征的筛选和融合，使其既有助于抑制两类冗余信息，又能保留与显著性目标相关的细节信息，具体包括： 以第k个过滤与细化模块为例，k≥2，过滤与细化模块存在两种特征输入：第一种是来自前一个解码层的解码器特征另一种是来自相应编码层的五个不同投影表征特征的编码器特征最后一个过滤与细化模块没有来自前一个解码层的解码器特征，在此处被替换为动态加权融合模块的输出； 过滤与细化模块采用如下过滤策略： 对解码器特征的过滤采用了调制方法，先经过3×3卷积减少通道数，然后利用两个卷积层分别为乘法和加法操作获取调制参数a和b；经过这样的操作，解码器特征得到了增强； 增强后的解码器特征表示如下： 式中，δ表示线性整流函数RELU，α和b分别表示乘法和加法的调制参数，表示第k+1层解码器特征，表示增强后的第k+1层解码器特征； 对编码器特征的过滤，为了使五个编码器特征 更好地适应显著性目标检测任务，根据过滤后的解码器特征，为编码器特征获取相应上采样的过滤掩码FMj，该过滤掩码能够编码显著性属性；然后，将编码器特征与相应上采样的过滤掩码FMj相乘，抑制了编码器特征的冗余，从而得到过滤后的编码器特征 式中，UP代表上采样操作，conv3×3表示3×3卷积操作； 最后，通过加法运算得到过滤后的总编码器特征 其中，δ表示RELU激活函数。

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北京交通大学，其通讯地址为：100044 北京市海淀区上园村3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”。