買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請(qǐng)的專利一種基于多階段神經(jīng)網(wǎng)絡(luò)的透明物體深度圖像修復(fù)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114943654B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-10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)的專利申請(qǐng)?zhí)?專利號(hào)為：202210546060.8，技術(shù)領(lǐng)域涉及：G06T5/77；該發(fā)明授權(quán)一種基于多階段神經(jīng)網(wǎng)絡(luò)的透明物體深度圖像修復(fù)方法是由王萬(wàn)良;胡宇韜;趙燕偉;陳嘉誠(chéng);潘杰;錢(qián)宇彤設(shè)計(jì)研發(fā)完成，并于2022-05-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于多階段神經(jīng)網(wǎng)絡(luò)的透明物體深度圖像修復(fù)方法在說(shuō)明書(shū)摘要公布了：一種基于多階段神經(jīng)網(wǎng)絡(luò)的透明物體深度圖像修復(fù)方法，包括：讀取輸入圖像進(jìn)行放縮；預(yù)測(cè)分割圖像；去除深度圖像中的噪聲；使用動(dòng)態(tài)卷積初步提取特征；提取第一階段特征；生成第一階段不同分支的空間注意力圖；生成第一階段不同分支的修復(fù)圖像；融合第一階段預(yù)測(cè)結(jié)果；提取第二階段特征；生成第二階段修復(fù)圖像；提取第三階段特征；生成第三階段修復(fù)圖像；融合三個(gè)階段預(yù)測(cè)結(jié)果，得到修復(fù)后的深度圖像。本發(fā)明提升了推理速度，提高了模型精度，脫離了外部環(huán)境依賴性，提升了方法的泛化性。

本發(fā)明授權(quán)一種基于多階段神經(jīng)網(wǎng)絡(luò)的透明物體深度圖像修復(fù)方法在權(quán)利要求書(shū)中公布了：1.一種基于多階段神經(jīng)網(wǎng)絡(luò)的透明物體深度圖像修復(fù)方法，包括以下步驟：S1.讀取需要輸入的彩色RGB圖像Irgb，相對(duì)應(yīng)的深度圖像Idep；S2.對(duì)讀取的圖片進(jìn)行放縮處理，使用雙線性插值將圖像分辨率調(diào)整為網(wǎng)絡(luò)所需要的分辨率height×width；hright表示圖像縱向的分辨率，width表示圖像橫向的分辨率；S3.使用Deeplabv3+網(wǎng)絡(luò)模型獲得分割圖像Iseg，公式如下：Iseg＝DeeplabIrgb1其中，Deeplab表示Deeplabv3+網(wǎng)絡(luò)模型；S4：去除深度圖像中的噪聲；使用預(yù)測(cè)出的分割圖像Iseg，將深度圖像中Idep屬于透明物體像素的深度值修改為0，從而去除深度圖像中的噪聲；公式如下： 其中表示分割圖像中位于i行、j列的像素，表示深度圖像位于i行、j列的像素；S5.使用動(dòng)態(tài)卷積層初步提取圖像特征，公式如下： 其中Convdynamic表示動(dòng)態(tài)卷積層，F(xiàn)rgb0表示對(duì)Irgb提取到的初始特征，F(xiàn)dep0表示對(duì)Idep提取到的初始特征；S6.使用編解碼器架構(gòu)提取第一階段的特征；公式如下： 其中UNet表示編解碼器架構(gòu)的UNet子網(wǎng)絡(luò)模型；Frgb1表示對(duì)Frgb0進(jìn)行特征提取得到的特征，F(xiàn)dep1表示對(duì)Fdep0進(jìn)行特征提取得到的特征；S7.生成空間注意力圖；公式如下： 其中SAB表示空間注意力模塊，SArgb表示對(duì)Frgb1進(jìn)行解碼得到的空間注意力圖，SAdep表示對(duì)Fdep1進(jìn)行解碼得到的空間注意力圖；S8.生成第一階段修復(fù)圖像Outrgb與Outdep；公式如下： 其中Dec表示解碼模塊，用來(lái)輸出修復(fù)后的結(jié)果；Outrgb表示對(duì)Frgb1解碼得到的結(jié)果，Outdep表示對(duì)Fdep1解碼得到的結(jié)果；S9.對(duì)預(yù)測(cè)結(jié)果進(jìn)行融合得到第一階段的輸出結(jié)果Out1；公式如下：Out1＝SArgb·Outrgb+SAdep·Outdep7S10.將Frgb1與Fdep1相加得到融合特征F1，輸入第二階段的子網(wǎng)絡(luò)提取特征；公式如下： 其中F2表示第二階段網(wǎng)絡(luò)提取到的特征；S11.使用解碼模塊對(duì)特征F2解碼，得到第二階段的輸出結(jié)果Out2；S12.將特征F2輸入第三階段的網(wǎng)絡(luò)得到特征F3；公式如下：P3＝ORNetF29其中ORNet表示帶有空間注意力的尺度不變網(wǎng)絡(luò)；S13.使用解碼模塊對(duì)特征F3解碼，得到第三階段的輸出結(jié)果Out3；S14.使用空間注意力模塊預(yù)測(cè)輸出結(jié)果Out1的空間注意力圖SA1，輸出結(jié)果Out2的空間注意力圖SA2，輸出結(jié)果Out3的空間注意力圖SA3；S15.對(duì)各階段的輸出結(jié)果進(jìn)行融合即可得到修復(fù)后的深度圖像Iout；公式如下：Iout＝SA1·Out1+SA2·Out2+SA3·OUt310。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18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0551-65771310或微信搜索“龍圖騰網(wǎng)”。