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！

龙图腾网获悉江西师范大学申请的专利一种基于脑启发的双重过程CNN-Transformer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：CN119741469B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202411699171.8，技术领域涉及：G06V10/25；该发明授权一种基于脑启发的双重过程CNN-Transformer网络的显著性目标检测方法是由周强强;廖郴;吴文异;朱丹丹;杨乐;谢更生;罗珍珍;石艳娇;聂学方设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种基于脑启发的双重过程CNN-Transformer网络的显著性目标检测方法在说明书摘要公布了：本发明涉及一种基于脑启发的双重过程CNN‑Transformer网络的显著性目标检测方法，包括以下步骤，构建用于显著性目标检测的数据集，并构建基于金字塔注意力U‑Net和RECA‑Transformer的网络模型，网络模型包括双分支金字塔U‑Net模块和残差高效通道注意力转换器模块；其中，所述双分支金字塔U‑Net模块是包含编码器部分和解码器部分的编码器‑解码器架构；采用基础损失函数和边界注意力损失函数组成注意力边界优化损失函数对网络模型进行训练；使用训练好的网络模型进行图像的显著性目标检测。本发明旨在解决显著性目标边界精确度不足的问题，实现显著性目标边界的全面感知与预测。

本发明授权一种基于脑启发的双重过程CNN-Transformer网络的显著性目标检测方法在权利要求书中公布了：1.一种基于脑启发的双重过程CNN-Transformer网络的显著性目标检测方法，其特征在于，包括以下步骤：S1：构建用于显著性目标检测的数据集，将所述数据集划分为训练集、测试集、验证集；S2：构建基于金字塔注意力U-Net和RECA-Transformer的网络模型，所述基于金字塔注意力U-Net和RECA-Transformer的网络模型包括双分支金字塔U-Net模块和残差高效通道注意力转换器模块；其中，所述双分支金字塔U-Net模块是包含编码器部分和解码器部分的编码器-解码器架构；所述双分支金字塔U-Net模块的编码器部分包含预训练的VGG16网络和空间注意力模块；预训练好的VGG16网络中用于逐步提取输入图像的特征信息，同时，结合空间注意力模块形成金字塔结构，从而更加有效地提取输入图像的空间特征表示X和视觉特征V，并结合视觉特征V增强空间特征表示X；所述双分支金字塔U-Net模块的解码器部分使用了转置上采样、线性插值上采样、空间上下文池化模块以及残差坐标注意力模块；所述转置上采样、线性插值上采样与空间上下文池化模块交叉使用，以保留特征图的空间信息；所述残差坐标注意力模块则用于生成空间注意力特征图；所述残差高效通道注意力转换器包括RECA转换块，用于进行特征提取，通过多层注意力机制和权重学习来捕获全局特性；S3：使用训练集对所述基于金字塔注意力U-Net和RECA-Transformer的网络模型进行训练，使用验证集调整模型参数，判断是否过拟合，采用基础损失函数BaseLoss和边界注意力损失函数EdgeLoss的组合作为模型的注意力边界优化损失函数TotalLoss，完成基于金字塔注意力U-Net和RECA-Transformer的网络模型的训练；使用测试集测试基于金字塔注意力U-Net和RECA-Transformer的网络模型的网络性能；S4：采用训练好的基于金字塔注意力U-Net和RECA-Transformer的网络模型进行显著性目标检测。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。