太原理工大学李鹏越获国家专利权
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！
龙图腾网获悉太原理工大学申请的专利基于迁移学习和宽度学习的RGB-D图像特征协同融合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：CN116844009B 。
龙图腾网通过国家知识产权局官网在2026-05-12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：202310813672.3，技术领域涉及：G06V10/80；该发明授权基于迁移学习和宽度学习的RGB-D图像特征协同融合方法是由李鹏越;胡东玫;邢吉伟;续欣莹设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。
本基于迁移学习和宽度学习的RGB-D图像特征协同融合方法在说明书摘要公布了：本发明提供一种基于迁移学习和宽度学习的RGB‑D图像特征协同融合方法，包括以下步骤：获得RGB‑D数据集，通过神经网络进行初步的训练，修改完结构在数据集中进行再次的训练；提取特征之后，将RGB图像特征和深度图像特征进行相关性分析融合；使用宽度学习对融合后的特征进行分类识别。本发明能够合理融合RGB图像和深度图像的特征，确保彩色图像和深度图像的特征信息能互相补充，利用宽度学习提高系统的运行速度，最终使得分类结果具有更高的准确性和可信度。
本发明授权基于迁移学习和宽度学习的RGB-D图像特征协同融合方法在权利要求书中公布了：1.基于迁移学习和宽度学习的RGB-D图像特征协同融合方法，其特征在于，包括以下步骤： S1：从公开数据集中获取RGB-D数据集； S2：搭建ResNet神经网络，在数据集ImageNet上进行初步训练，得到初次训练的ResNet神经网络，并进行保存； S3：将初步训练得到的ResNet神经网络，在RGB-D数据集上进行微调，移除神经网络ResNet最后一层，输入数据后，RGB图像和深度图像分别在网络中输出一个特征向量，得到两种图像的特征； S4：基于步骤中S3中的RGB图像和深度图像两种特征向量，分别作为典型相关性分析CCA层输入的两组没有显性相关关系的变量，最大化两组变量之间的相关系数，将两组变量统一映射到CCA生成的特征空间上进行学习，根据CCA特征融合策略，将并联矩阵作为融合特征，实现特征的融合降维； S5：基于步骤中S4中的融合特征，利用宽度学习生成特征节点和增强节点，利用岭回归的广义逆得到最终分类识别结果。
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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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”。
以上内容由龙图腾AI智能生成。
免责声明
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励