買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉重慶郵電大學(xué)申請(qǐng)的專(zhuān)利基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框?qū)崟r(shí)檢測(cè)方法及裝置獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115965846B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-01發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202310076273.3，技術(shù)領(lǐng)域涉及：G06V10/80；該發(fā)明授權(quán)基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框?qū)崟r(shí)檢測(cè)方法及裝置是由吳德成;李建珍;程隆奇;李銳;劉聲;李渝;蘇因鐳設(shè)計(jì)研發(fā)完成，并于2023-01-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框?qū)崟r(shí)檢測(cè)方法及裝置在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框?qū)崟r(shí)檢測(cè)方法及裝置，屬于建筑幕墻施工技術(shù)領(lǐng)域。該方法包括：采集幕墻框RGB圖像和深度圖；對(duì)采集到的幕墻框RGB圖像和深度圖進(jìn)行預(yù)處理并構(gòu)建、劃分幕墻框數(shù)據(jù)集；構(gòu)建基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框檢測(cè)模型，編碼器部分使用ConvNeXt作為特征提取網(wǎng)絡(luò)，解碼器構(gòu)造FFA模塊和CFF模塊實(shí)現(xiàn)整體多尺度多模態(tài)的路徑聚合；求解二元交叉熵?fù)p失函數(shù)，訓(xùn)練幕墻框檢測(cè)模型并保存最優(yōu)模型；實(shí)時(shí)采集需要檢測(cè)的幕墻框RGB圖像和深度圖并利用所述保存的最優(yōu)模型進(jìn)行實(shí)時(shí)檢測(cè)。本發(fā)明可以在實(shí)現(xiàn)智能化檢測(cè)的同時(shí)滿(mǎn)足實(shí)際幕墻框檢測(cè)精度需求，并且能夠提高建筑施工效率。

本發(fā)明授權(quán)基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框?qū)崟r(shí)檢測(cè)方法及裝置在權(quán)利要求書(shū)中公布了：1.一種基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框?qū)崟r(shí)檢測(cè)方法，其特征在于，該方法具體包括以下步驟：S1：采集幕墻框RGB圖像和深度圖；S2：對(duì)采集到的幕墻框RGB圖像和深度圖進(jìn)行圖像預(yù)處理，并構(gòu)建、劃分幕墻框數(shù)據(jù)集；S3：構(gòu)建基于邊框感知跨模態(tài)融合網(wǎng)絡(luò)的幕墻框檢測(cè)模型，具體包括：根據(jù)幕墻邊框的立體條形特性設(shè)計(jì)一種整體上呈現(xiàn)“W”型的編碼器-解碼器結(jié)構(gòu)實(shí)現(xiàn)多尺度多模態(tài)融合，編碼器部分使用ConvNeXt作為特征提取網(wǎng)絡(luò)，將其中傳統(tǒng)的2D卷積替換為3D卷積，再將幕墻框RGB圖像和深度圖進(jìn)行前期融合并輸入到解碼器對(duì)應(yīng)模塊形成四個(gè)尺度上的特征，解碼器部分為適應(yīng)幕墻框特殊的立體條形特征要求，構(gòu)造FFA模塊和CFF模塊實(shí)現(xiàn)整體多尺度多模態(tài)的路徑聚合；FFA模塊和CFF模塊連接進(jìn)行自頂向下和自底向上實(shí)現(xiàn)對(duì)上采樣的低分辨率特征與高分辨率特征合并以及從高分辨率特征到低分辨率特征的下采樣流合并，再連接預(yù)測(cè)頭以獲得預(yù)測(cè)圖；其中，F(xiàn)FA模塊表示邊框特征感知模塊，CFF模塊表示跨模態(tài)特征融合模塊；構(gòu)造FFA模塊，具體包括：輸入一組RGB圖和深度圖并引出6條路徑，第1條路徑不做處理；第2條路徑使用1×1×1的卷積調(diào)整通道特征；第3、4、5條路徑進(jìn)行1×1×1的卷積并分別使用3×1×1、1×3×1和1×1×3的非對(duì)稱(chēng)卷積實(shí)現(xiàn)V維度上的特征交互、學(xué)習(xí)H維度和W維度上的特征，再與路徑2逐像素相加并使用了3×3×3的卷積構(gòu)成主流特征；第6條路徑使用1×1×1的卷積核進(jìn)行卷積后用Sigmoid函數(shù)映射并與主流特征逐像素相乘，最終與第1條路徑的初始特征進(jìn)行逐像素相加并輸出結(jié)果；構(gòu)造CFF模塊，具體包括：輸入兩組RGB圖和深度圖，進(jìn)行復(fù)制換序、拼接RGB圖和拼接深度圖操作并引出3條路徑，第1條路徑使用2×1×1的卷積和LN層；第2條路徑，使用3×3×3的卷積、LN和GELU激活函數(shù)，并與第3條路徑的原始深度圖逐像素相加，再采用2×3×3的卷積核進(jìn)行卷積；第3條路徑，使用3×3×3的卷積、LN和GELU激活函數(shù)并與第2條路徑的原始RGB圖逐像素相加，再采用2×3×3的卷積核進(jìn)行卷積；將第1條路徑和第2條路徑的特征進(jìn)行融合并依次使用1×1×1卷積、LN、GELU激活函數(shù)和1×1×1卷積，最終與第1條路徑相加輸出結(jié)果；S4：根據(jù)邊框感知跨模態(tài)融合網(wǎng)絡(luò)生成的預(yù)測(cè)圖像和目標(biāo)圖像求解二元交叉熵?fù)p失函數(shù)，訓(xùn)練學(xué)習(xí)到幕墻框檢測(cè)模型的最優(yōu)參數(shù)，并保存訓(xùn)練好的最優(yōu)幕墻框檢測(cè)模型到實(shí)時(shí)檢測(cè)平臺(tái)；S5：實(shí)時(shí)采集需要檢測(cè)的幕墻框RGB圖像和深度圖，并利用保存的最優(yōu)幕墻框檢測(cè)模型進(jìn)行實(shí)時(shí)檢測(cè)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人重慶郵電大學(xué)，其通訊地址為：400065 重慶市南岸區(qū)黃桷埡崇文路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。