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！

龙图腾网获悉温州电力设计有限公司普华招标咨询分公司申请的专利一种显著性目标检测方法、系统、电子设备和存储介质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：CN120833467B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510860185.1，技术领域涉及：G06V10/25；该发明授权一种显著性目标检测方法、系统、电子设备和存储介质是由徐欢;林跃进;潘世奇;叶海娟;吕家辉;王奔;朱启忠;陈滢;张扬设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本一种显著性目标检测方法、系统、电子设备和存储介质在说明书摘要公布了：本发明公开了一种显著性目标检测方法、系统、电子设备和存储介质，涉及显著性目标检测技术领域，方法中，基于多个样本图像，对构建的显著性目标检测模型进行训练，构建的显著性目标检测模型中，通过双分支编码器提取目标样本图像的多个局部细节特征和多个全局语义特征，将部分局部细节特征和所有局部细节特征进行交互融合后，得到多个增强后的局部细节特征和多个增强后的全局细节特征，将每个增强后的局部细节特征以及对应的增强后的全局细节特征进行特征拼接，结合所有拼接特征以及剩余部分的局部细节特征经边缘感知增强模块以及解码器处理后，得到显著性目标检测结果；利用训练完成的显著性目标检测模型对目标图像进行精准地显著性目标检测。

本发明授权一种显著性目标检测方法、系统、电子设备和存储介质在权利要求书中公布了：1.一种显著性目标检测方法，其特征在于，包括： 基于多个样本图像，对构建的显著性目标检测模型进行训练，得到训练完成的显著性目标检测模型，其中，构建的显著性目标检测模型包括：双分支编码器、跨模型交互融合模块、边缘感知增强模块和解码器，所述双分支编码器的第一分支包括N个依次排列的第一网络层，所述双分支编码器的第二分支包括M个依次排列的第二网络层，将目标样本图像输入第1个第一网络层后，得到第1个至第n个第一网络层所输出的局部细节特征；将第n-1个第一网络层所输出的局部细节特征输入第1个第二网络层，得到第1个第二网络层所输出的全局语义特征，并通过第1个跨模型交互融合模块将第n个第一网络层所输出的局部细节特征和第1个第二网络层所输出的全局语义特征进行交互融合，使第n个第一网络层所输出的局部细节特征中的局部细节信息融入第1个第二网络层所输出的全局语义特征中，得到第1个增强后的全局语义特征，并使第1个第二网络层所输出的全局语义特征中的全局上下文信息融入第n个第一网络层所输出的局部细节特征中，得到第1个增强后的局部细节特征，将第1个增强后的全局语义特征和第1个增强后的局部细节特征进行特征拼接后，得到第1个拼接特征，将第1个增强后的全局语义特征作为第2个第二网络层的输入，将第1个增强后的局部细节特征作为第n+1个第一网络层的输入，并通过第2个跨模型交互融合模块对第2个第二网络层的输出和第n+1个第一网络层的输出进行交互融合，得到第2个增强后的全局语义特征和第2个增强后的局部细节特征并进行特征拼接，得到第2个拼接特征，直至得到第M个拼接特征，其中，n和M均为正整数，N=M+n-1；将每个拼接特征分别通过一个卷积层处理，得到每个拼接特征对应的卷积结果；将第M个拼接特征对应的卷积结果输入ASPP模块，得到多尺度特征，将所述多尺度特征和第M个拼接特征对应的卷积结果输入第1个解码器，并将第1个解码器的输出与第M个拼接特征对应的卷积结果输入第1个边缘感知增强模块，以使通过第1个边缘感知增强模块增强显著性目标的边缘信息，将第M-1个拼接特征和第1个边缘感知增强模块的输出，输入第2个解码器，将第2个解码器的输出与第M-1个拼接特征对应的卷积结果输入第2个边缘感知增强模块，直至得到第m个边缘感知增强模块的输出，m为正整数，m=M-n+1；将第m个边缘感知增强模块的输出和第n-1个第一网络层所输出的局部细节特征输入第m+1个解码器，将第m+1个解码器的输出和第n-1个第一网络层所输出的局部细节特征输入第m+1个边缘感知增强模块，将第m+1个边缘感知增强模块的输出和第n-2个第一网络层所输出的局部细节特征输入第n+2个解码器，直至得到第N个解码器的输出，将第N个解码器的输出作为显著性目标检测结果，其中，所述目标样本图像为任一目标样本图像； 跨模型交互融合模块具体用于：当接收局部细节特征和全局语义特征后，将接收到的局部细节特征依次经第一通道注意力模块和第一空间注意力模块处理后，得到第一特征，将接收到的局部细节特征和接收到的全局语义特征经第一跨模型空间注意力模块处理后，得到第二特征，将第一特征与第二特征进行逐元素相加，得到增强后的局部细节特征；将接收到的全局细节特征依次经第二通道注意力模块和第二空间注意力模块处理后，得到第三特征，将接收到的局部细节特征和接收到的全局语义特征经第二跨模型空间注意力模块处理后，得到第四特征，将第三特征与第四特征进行逐元素相加，得到增强后的全局语义特征； 利用训练完成的显著性目标检测模型对目标图像进行显著性目标检测。

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温州电力设计有限公司普华招标咨询分公司，其通讯地址为：325000 浙江省温州市飞霞桥路68号国信大厦22层；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。