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！

龙图腾网获悉河北汉光重工有限责任公司申请的专利一种基于多尺度扩张卷积神经网络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：CN115620118B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202211131569.2，技术领域涉及：G06V20/00；该发明授权一种基于多尺度扩张卷积神经网络的显著性目标检测方法是由姬彩娟;刘彦;吕妙芳;王志刚;李志亮;叶传新;孙海东;郑宇龙设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本一种基于多尺度扩张卷积神经网络的显著性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多尺度扩张卷积神经网络的显著性目标检测方法，所述方法包括：提取所述输入图像的多尺度特征；将所述多尺度特征输入扩张残差卷积模块，得到包括所述多尺度特征的上下文信息的融合特征；将所述融合特征分别输入多个通道注意力模块，得到多个显著性特征；对每个显示著性特征降维激活，生成显著性图，采用融合交叉熵和交并比损失的混合损失函数进行深层监督训练。本发明的方法，基于多尺度扩张卷积神经网络通过使用扩张残差卷积模块，充分捕获到了图像中丰富的全局语义信息和局部语义信息，解决了编码器深度较浅、信息提取不足的问题，同时，通过设计的通道注意力模块，使网络聚焦目标区域，有效地提高了目标检测的精度。

本发明授权一种基于多尺度扩张卷积神经网络的显著性目标检测方法在权利要求书中公布了：1.一种基于多尺度扩张卷积神经网络的显著性目标检测方法，其特征在于，包括如下步骤： 步骤S1：将待处理的RGB图像作为输入图像，将所述输入图像输入预先训练好的ResNet34网络模型，提取所述输入图像的多尺度特征； 步骤S2：将所述多尺度特征输入扩张残差卷积模块，得到包括所述多尺度特征的上下文信息的融合特征；所述扩张残差卷积模块包括第一卷积层，与所述第一卷积层相连的多个分支，以及第二卷积层；其中各个分支的输出均输入所述第二卷积层，每个分支包括一个与所述第一卷积层相连的残差模块、以及同时与所述残差模块相连的第一扩张卷积模块、以及第二扩张卷积模块，基于第一扩张卷积模块的输出与所述第二扩张卷积模块的输出得到所述分支的输出； 步骤S3:将所述融合特征分别输入多个通道注意力模块，得到多个显著性特征； 步骤S4：对每个显著性特征降维激活，生成显著性图，采用融合交叉熵和交并比损失的混合损失函数进行深层监督训练； 所述步骤S2，其中： 所述第一扩张卷积模块及所述第二扩张卷积模块进行扩张卷积后均进行批量标准化操作和ReLu非线性激活操作；所述第一扩张卷积模块的填充率为，所述第二扩张卷积模块的填充率为； 所述分支的输出为Fi， 其中，i表示包含残差模块和扩张卷积的分支数，j表示多尺度特征分支数，表示多尺度降维特征，表示残差模块进行的卷积操作，，分别表示填充率为,的扩张卷积操作，∑表示像素级加性融合操作； 将各个扩张卷积分支的输出Fi输入所述第二卷积层，得到包括所述多尺度特征的上下文信息的融合特征，其中，表示降维卷积操作，C表示通道维度的特征融合操作。

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北汉光重工有限责任公司，其通讯地址为：056002 河北省邯郸市经济开发区和谐大街8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。