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！

龙图腾网获悉广东泰坦智能动力有限公司申请的专利一种基于红外与可见光图像的目标检测算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：CN115984543B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211171460.1，技术领域涉及：G06V10/25；该发明授权一种基于红外与可见光图像的目标检测算法是由陈健斌;温婉文;熊欢畅;关宏基;莫文书;吴有营;王进通;邹建俊设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种基于红外与可见光图像的目标检测算法在说明书摘要公布了：本发明提供一种有效实现可见光图像与红外图像性能互补，同时降低光照、雨雾等噪声干扰，大大提高目标检测技术泛化能力和稳定性的一种基于红外与可见光图像的目标检测算法。该算法将深度可分离卷积与残差结构相结合，构建并列的高效率特征提取网络，分别提取红外和可见光图像目标信息；同时引入自适应特征融合模块以自主学习的方式融合两支路对应尺度的特征，使两类图像信息互补；最后，利用特征金字塔结构将深层特征逐层与浅层融合，提升网络对不同尺度目标的检测精度。本发明用于图像目标识别检测领域。

本发明授权一种基于红外与可见光图像的目标检测算法在权利要求书中公布了：1.一种基于红外与可见光图像的目标检测算法，其特征在于：包括将深度可分离卷积与残差结构相结合，构建并列的高效率特征提取网络，所述特征提取网络由特征提取模块、特征融合模块以及检测模块三部分构成，其中所述特征提取模块针对红外和可见光图像，分由两个并列的相同结构支路构成，采用深度可分离卷积作为特征提取基本单元，结合LeakyReLU激活层、最大池化层、上采样操作，对红外和可见光图像特征信息由浅到深的高效提取； 所述特征融合模块通过线性组合方式对两支路池化层特征进行建模，利用自主学习方式实现红外与可见光信息共享，使两支路提取的特征进行互补；所述检测模块利用多个不同尺度的深层特征以逐层上采样融合的操作构建特征金字塔预测结构，提升网络对不同尺度目标的检测精度； 所述特征提取模块由init模块和多个stage模块组成，所述init模块对原图进行特征预处理，采用步长为2的并列卷积和池化两条支路提取目标显著特征，降低图像维度的同时也过滤了部分噪声，保障后续结构对特征的深入提取；所述stage模块利用卷积层、激活层以残差结构方式构建，不同stage之间通过步长为2的2×2池化操作进行降维； 所述stage模块引入残差结构来避免网络层数过深造成训练时出现梯度消失、梯度爆炸问题，并以LeakyReLU作为激活函数，降低神经元坏死概率，使网络更快收敛， 式中α表示的是偏移量，为一个较小数值的超参数，默认设置为0.02； 所述特征融合模块考虑到网络运行效率，将特征提取过程中每个尺度的最后一层进行融合，即所述init模块最后一层和所述stage模块之间的池化层进行融合，同时采用自主学习的线性加权方式来替代特征信息直接相加，避免融合时引入过多噪声； 融合计算公式如下 自主学习的线性加权计算公式1和2如下 其中，为待融合可见光特征图上坐标位置为i,j的像素值，同理，为待融合红外特征图上坐标位置为i,j的像素值，αAA,αAB,αBA,αBB为待学习的权重，y为融合后的对应特征图位置的输出，表示利用误差反向传播更新权重，由自主学习的线性加权计算公式2可以看出，当αAA＝αBB＝1，αAB＝αBA＝0时，表明特征信息并不融合，通过自主学习的方式决定红外和可见光图像特征信息的融合程度，进而达到最优组合。

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广东泰坦智能动力有限公司，其通讯地址为：519000 广东省珠海市金鼎镇创新三路128号中国泰坦左栋4楼；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。