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！

龙图腾网获悉河南大学申请的专利一种基于语义信息引导的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：CN116958583B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310933591.7，技术领域涉及：G06V10/46；该发明授权一种基于语义信息引导的显著性目标检测方法是由李永军;罗金成;李博;李超越;张心茹;陈锦智敏;梁勇;陈竞设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于语义信息引导的显著性目标检测方法在说明书摘要公布了：本发明涉及图像处理技术领域，具体涉及一种基于语义信息引导的显著性目标检测方法。本发明构建基于语义信息引导的显著性目标检测模型；把显著性图像数据集内的图片分为显著性目标检测模型的训练集、验证集和测试集；训练构建显著性目标检测模型；将测试集输入训练好的显著性目标检测模型，得到四个评估指标；当四个评估指标满足实际应用需求，将对应的显著性目标检测模型用于图像的显著性目标检测；否则，调整学习率，重新训练显著性目标检测模型，直至显著性目标检测模型的四个评估指标满足实际应用需求。本发明构建的显著性目标检测模型实现了能够完整分割出显著物体，并保持精确的细节的目的，提高了整体特征提取能力。

本发明授权一种基于语义信息引导的显著性目标检测方法在权利要求书中公布了：1.一种基于语义信息引导的显著性目标检测方法，其特征在于，该方法包括以下步骤： 构建基于语义信息引导的显著性目标检测模型； 建立RGB显著性图像的数据集；将数据集中所有图片裁剪成为相同尺寸的图片，将裁剪后的所有图片作为显著性图像数据集；把显著性图像数据集内的图片分为显著性目标检测模型的训练集、验证集和测试集； 训练构建显著性目标检测模型； 将测试集输入训练好的显著性目标检测模型，测试显著性目标检测模型的性能，得到四个评估指标； 当四个评估指标满足实际应用需求，将对应的显著性目标检测模型用于图像的显著性目标检测；否则，调整显著性目标检测模型训练时的学习率，重新训练显著性目标检测模型，直至显著性目标检测模型的四个评估指标满足实际应用需求，将对应的显著性目标检测模型用于图像的显著性目标检测； 其中，构建基于语义信息引导的显著性目标检测模型，包括： 步骤1.1：将RGB图像输入到PVTv2主干网络中并提取四个阶段的图像特征，生成第一层、第二层、第三层和最高层显著图像的特征表示； 步骤1.2：在最高层引入注意力模块，所述注意力模块包括通道注意力模块和空间注意力模块，提取最高层特征丰富的语义信息，并生成最高层特征图； 步骤1.3：构建高层次特征引导模块，将生成的第一层、第二层和第三层显著图像的特征表示分别与步骤1.2提取的语义信息作为输入送到高层次特征引导模块，增强低层特征表示，并生成三个层级的显著特征图； 步骤1.4：构建自适应特征融合模块，其输入包括来自最高层输出的高级特征、高层次特征引导模块生成的三个层级显著特征图，通过在融合过程中加入可学习权重系数，生成粗略显著特征； 步骤1.5：构建自顶向下相关性聚合模块，通过步骤1.1生成的特征图引导自适应特征融合模块生成的粗略显著特征，提高显著特征位置及局部细节的准确性； 其中，步骤1.3还包括： 步骤1.3.1：将最高层特征分别与其他各层特征输入到模块中，其中表示层 数且； 步骤1.3.2：对最高层特征使用全局自适应池化，捕捉整个特征图的全局信息，如 公式1所示： 1 其中，表示最高层特征的通道统计量；中表示通 道数；分别是最高层特征在每一层的空间横纵坐标；和表示最高层特征图 的高度和宽度；和中的表示最高层数； 步骤1.3.3：将得到的语义信息与低层特征表示进行逐元素相乘，并在通道维度上求和得到相关性矩阵；通过Sigmoid函数在空间上生成概率系数，再与低层特征表示相乘，得到引导后的低层特征，如公式2所示： 2 其中是引导后的低层特征，是卷积层，是Sigmoid运算，表示逐 元素的乘法；为第n层特征。

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河南大学，其通讯地址为：475001 河南省开封市明伦街85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。