咨询电话:13280638997
传真:0533-3110363
邮箱:kefu@shizifang.com
著 录 项 目:
专利/申请号: | CN201910230018.3 | 专利名称: | 基于注意力模型的RGB-D图像视觉显著性检测方法 |
申请日: | 2019-03-26 | 申请/专利权人 | 浙江科技学院 |
专利类型: | 发明 | 地址: | 浙江省杭州市西湖区留和路318号 |
专利状态: | 已下证 查询审查信息 | IPC分类号: | G06K9/62 分类检索 |
公开/公告日: | 2019-07-26 | 转让价格: | 【平台担保交易】 |
公开/公告号: | CN110059728A | 交易状态: | 等待洽谈 搜索相似专利 |
浏览量: | 27 | 所属领域: | 计算机视觉 人工智能 图像处理 深度学习专利转让搜索 |
应用场景:增强现实交互优化;机器人环境感知;自动驾驶目标识别;医疗影像分析;智能监控重点区域提取
摘 要:本发明公开了一种基于注意力模型的RGB-D图像视觉显著性检测方法,其构建的卷积神经网络的隐层包括RGB特征提取框架、深度特征提取框架和特征融合框架,RGB特征提取框架由第1个至第5个神经网络块、第1个至第3个上采样层组成,深度特征提取框架由第6个至第10个神经网络块、第4个至第6个上采样层组成,特征融合框架由第1个至第3个注意力模型、第11个神经网络块、第7个上采样层组成;优点是特征融合框架融合了RGB图和深度图相关的特征,使得训练过程中包含了从局部到全局,从低级到高级的RGB图像和深度图像这两种特征,且充分利用了RGB与深度模态之间的互补关系,并在融合的RGB-D高阶表示的基础上进行最终显著性预测,使得预测结果更加接近人眼注视图。
交易方 | 企业 | 个人 |
买家 | 营业执照副本复印件(需盖公章) | 身份证复印件(签字) |
专利转让委托书(需盖公章)一式两份 | 专利转让委托书(需签字)一式两份 | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
卖家 | 营业执照副本复印件(需盖公章) | 身份证复印件(需申请人签字) |
解除代理委托书(需盖公章)一式两份(如专利通过代理机构申请) | 解除代理委托书(需签字)一式两份(如专利通过代理机构申请) | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
专利证原件(若授权下证) | 专利证原件(若授权下证) |
日期 | 法律信息 | 备注 |
2022/12/23 | 专利权的转移 | 登记生效日: 2022.12.13 专利权人由合肥智慧龙机械设计有限公司变更为厦门乐正鑫科技有限公司 地址由230000 安徽省合肥市蜀山区甘泉路81号沃野花园商办楼B-1018变更为361000 福建省厦门市厦门火炬高新区软件园三期诚毅大街370号403室之四 |
2022/11/04 | 专利权的转移 | 登记生效日: 2022.10.21 专利权人由浙江科技学院变更为合肥智慧龙机械设计有限公司 地址由310023 浙江省杭州市西湖区留和路318号变更为230000 安徽省合肥市蜀山区甘泉路81号沃野花园商办楼B-1018 |
2020/11/13 | 授权 | |
2019/08/20 | 实质审查的生效 | IPC(主分类): G06K 9/62 专利申请号: 201910230018.3 申请日: 2019.03.26 |
2019/07/26 | 公开 |
申请号 | 专利名称 | 发布日期 |
2022100153374 | 【发明】一种江淮地区强降水中心场的提取方法 | 2025/10/15 |
2021114847545 | 【发明】基于特征和标签空间动态对齐的域适应图像分类方法 | 2025/10/15 |
2015101027345 | 【发明】一种基于改进的偏微分模型的指纹方向场计算方法 | 2025/10/15 |
202110488919X | 【发明】基于改进型SSD网络的行人目标检测与重识别方法 | 2025/10/15 |
2021111733913 | 【发明】多模态输入与空间划分的三维目标检测方法 | 2025/10/15 |
2013105864481 | 【发明】一种低秩分块稀疏表示的人脸识别方法 | 2025/10/15 |
2022107520618 | 【发明】一种自动提取特征的压力容器气体泄漏声学识别方法 | 2025/10/15 |
2017109795347 | 【发明】一种垃圾邮件的分类方法 | 2025/10/15 |
2019113176917 | 【发明】一种基于相似度网络的多模态图像能见度检测方法 | 2025/10/14 |
2020105174429 | 【发明】基于浅层融合的多模态图像能见度检测模型的深度学习方法 | 2025/10/14 |