買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京理工大學申請的專利一種自適應紅外可見光雙模融合檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116704273B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310809010.9，技術領域涉及：G06V10/77；該發明授權一種自適應紅外可見光雙模融合檢測方法是由徐立新;辛棟;張睿恒設計研發完成，并于2023-07-03向國家知識產權局提交的專利申請。

本一種自適應紅外可見光雙模融合檢測方法在說明書摘要公布了：一種自適應紅外可見光雙模融合檢測方法，屬于目標檢測技術領域。使用卷積神經網絡訓練的權重矩陣作為特征融合的融合策略，隨著網絡訓練自適應精確調節紅外可見光圖片各部分融合特征比例；采用相關權重計算網絡結構；通過一個由多層卷積網絡構成的相關權重計算模塊對兩路紅外可見光特征圖的不同區域進行權重計算，得到紅外目標特征圖的權重矩陣和相對應的可見光目標的特征圖的權重矩陣；權重矩陣再和原紅外可見光特征圖對應位置相乘后再疊加，輸出融合特征圖增加訓練權重矩陣的損失函數，改進多任務聯合損失函數；本發明適用于目標檢測領域，融合多模信息時能更好的綜合多模信源不同優勢區間的目的，提升目標檢測的精度及環境適應性。

本發明授權一種自適應紅外可見光雙模融合檢測方法在權利要求書中公布了：1.一種自適應紅外可見光雙模融合檢測方法，其特征在于：包括如下步驟， 步驟1、使用兩路主干特征提取網絡分別提取可見光圖像特征和紅外圖像特征； 步驟2、通過相關權重計算網絡計算特征權重矩陣，得到融合特征圖，自適應地進行特征融合； 步驟2的實現方法為， 通過一個由多層卷積網絡構成的相關權重計算網絡，對步驟1得到的可見光特征圖及紅外特征圖的不同區域進行權重計算，得到紅外目標特征圖的權重特征圖WIR和相對應的可見光目標的特征圖的權重特征圖WRGB；得到權重特征圖后再和原紅外可見光特征圖對應位置相乘后再疊加后輸出融合特征圖fmw,h；整個過程表示： 其中ffus為對卷積網絡所作的變換；WIR為紅外目標特征圖的權重特征圖；WRGB為對應的可見光目標的特征圖的權重特征圖；和為輸入的紅外可見光； 融合特征圖fmw,h的大小和輸入的紅外可見光特征和相同；特征融合網絡的核心是相關權重計算網絡，它由多層卷積神經網絡構成；輸入紅外可見光特征圖的大小為m×w×h，m表示通道數，w，h表示特征圖的寬和高；相關權重計算網絡先對輸入的紅外特征圖和輸入的可見光特征作對應通道級聯操作： 其中*表示卷積操作，Ki為通道后的卷積核，Zconcat為通道級聯操作之后得到的特征圖，其大小為m1+m2×w×h；得到Zconcat后在輸入多層卷積層，在每個卷積操作后進行批標準化操作；最后在通道維度使用柔性最大化函數softmax進行壓縮和歸一化處理： 得到了紅外目標特征圖的權重特征圖WIR和相對應的可見光目標的特征圖的權重特征圖WRGB，它們的大小均為w×h，對于矩陣中的每一個元素[ωIR,ωRGB]都有ωIR+ωRGB＝1； 步驟3、使用多任務聯合損失函數進行特征分類和邊界框回歸； 步驟4、使用全連接網絡計算融合特征圖內建議框內目標的具體類別，并且輸出預測置信度，同時再次使用邊界框回歸調整建議框位置； 步驟5、使用分類損失函數和回歸損失函數，計算區域建議網絡的分類損失和回歸損失；使用小批量梯度下降方法最小化損失，訓練目標分類和邊界框回歸模塊； 步驟6、將步驟5訓練好的區域建議網絡再次使用多任務聯合損失函數進行對整個目標檢測網絡參數的訓練，得到目標框以及對應的類別置信度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京理工大學，其通訊地址為：100081 北京市海淀區中關村南大街5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。