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一种基于双分支网络的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：CN115861637B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211701856.2，技术领域涉及：G06V10/42；该发明授权一种基于双分支网络的显著目标检测方法是由颜成钢;郭舒瑶;高宇涵;孙垚棋;朱尊杰;陈楚翘;王鸿奎;王廷宇;殷海兵;张继勇;李宗鹏;赵治栋设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于双分支网络的显著目标检测方法在说明书摘要公布了：本发明公开了一种基于双分支网络的显著目标检测方法。首先分别采用CNN和Tranformer两个分支作为模型的编码器，来提取不同分支的特征；再采用特征交互模块来分别对两个分支后三层提取的特征进行交互，来获得更加丰富的初始特征信息；然后通过特征融合模块来将两个分支相对应层的特征进行融合；再将融合后的特征送入到边缘补充模块中，来增强边缘信息；最后通过解码器来得到显著图。本发明通过特征交互模块得到了更丰富的全局多尺度特征。同时，为了解决不同分支之间特征的差异性，采用了特征融合模块，使两个分支的特征可以有效融合。而且，针对目前常见的边缘模糊问题，本发明通过边缘补充模块来增强特征的边缘信息。

本发明授权一种基于双分支网络的显著目标检测方法在权利要求书中公布了：1.一种基于双分支网络的显著目标检测方法，其特征在于，包括以下步骤： 步骤1、对训练数据集以及测试数据集进行预处理操作； 步骤2、将输入图像输入到模型中进行训练，具体步骤如下： 1利用CNN和Transformer骨干网分别从图像中提取特征，得到初始特征； 2为了使骨干网络后三层的初始特征更加多样化，采用特征交互模块FIM来补充丰富的多尺度信息； 3通过特征融合模块FFM来将两个分支相对应层的特征进行融合； 4使用边缘补充模块ESM来增强融合后特征的边缘信息； 5最后，将特征送入到解码器中，得到最终的显著图； 步骤3、设计损失函数，对显著图进行求损失； 步骤2具体步骤如下： 1CNN分支和Transformer分支分别采用了Resnet101和Swin-B作为骨干网络，来分别提取图像的初始特征； 对于Resnet101网络，由Conv、Res2、Res3、Res4和Res5五层组成；其中，Conv层由7*7卷积层改为了3*3卷积层；没有使用Conv层的特征，因此可利用的特征记为{fiC|i=2,3,4,5}； 对于Swin-B网络，由SBlock1、SBlock2、SBlock3、SBlock4和SBlock5五层组成，并且各个层所得特征记为{fjT|j=1,2,3,4,5}；后续主要使用SBlock3、SBlock4和SBlock5层所得到的特征； 2为了使骨干网络后三层的初始特征更加多样化，采用特征交互模块FIM来补充丰富的多尺度信息； FIM模型的具体定义表示为： 公式中，表示Resnet101网络中第k层得到的特征fkC或者Swin-B网络中第k层得到的 特征fkT；、和则表示运算过程中产生的中间变量；则代表Resnet101网络中第k 层特征经过FIM之后所得到的增强特征或Swin-B网络中第k层特征经过FIM之后所得到的 增强特征；其中，表示扩张卷积、批归一化和Relu激活函数的组合；表示上采 样操作；表示3*3卷积层、BN和Relu的组合；表示1*1卷积层、BN和Relu的组合；表示全局平均池化；表示softmax函数； 3通过步骤2，分别得到了Resnet101网络后三层的增强特征、和；以及Swin-B 网络后三层的增强特征、和；并通过特征融合模块FFM来分别将两个分支对应层得 到的增强特征进行融合，得到了三个融合特征、和； 特征融合模块融合了自我注意力和多模态融合机制；具体定义表示为： 其中，表示Resnet101网络中第m层的增强特征，表示Swin-B网络中第m层的增强 特征；、和则代表运算过程中的中间变量；表示两个分支的增强特征通过FFM 模块得到的融合特征；m分别为3、4、5；是一个3*3的卷积层；表示 通道注意力；表示空间注意力；[.]表示Concat操作；代表一个残 差块； 4使用边缘补充模块ESM来增强融合后特征的边缘信息； 采用Resnet101网络中的Res2层来增强特征的边缘信息；为了降低Res2层所提取特征 f2C的噪音，将特征f2C送入到卷积注意力模块CAM中，对其进行特征增强；最后将Res2层增强 后的特征分别与步骤3得到的三个融合特征、和进行cat操作，最终得到三个特征、和； 5最后，将、和三个特征送入到解码器Decoder中，得到最终的显著图； 其中，表示上采样次；表示3*3的卷积层；[.]表示将特征以通道进行连 接；和代表运算过程中的中间变量；S表示最终得到的显著图。

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；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。