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！

龙图腾网恭喜浙江工业大学申请的专利一种基于多阶段神经网络的透明物体深度图像修复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：CN114943654B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210546060.8，技术领域涉及：G06T5/77；该发明授权一种基于多阶段神经网络的透明物体深度图像修复方法是由王万良;胡宇韬;赵燕伟;陈嘉诚;潘杰;钱宇彤设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种基于多阶段神经网络的透明物体深度图像修复方法在说明书摘要公布了：一种基于多阶段神经网络的透明物体深度图像修复方法，包括：读取输入图像进行放缩；预测分割图像；去除深度图像中的噪声；使用动态卷积初步提取特征；提取第一阶段特征；生成第一阶段不同分支的空间注意力图；生成第一阶段不同分支的修复图像；融合第一阶段预测结果；提取第二阶段特征；生成第二阶段修复图像；提取第三阶段特征；生成第三阶段修复图像；融合三个阶段预测结果，得到修复后的深度图像。本发明提升了推理速度，提高了模型精度，脱离了外部环境依赖性，提升了方法的泛化性。

本发明授权一种基于多阶段神经网络的透明物体深度图像修复方法在权利要求书中公布了：1.一种基于多阶段神经网络的透明物体深度图像修复方法，包括以下步骤：S1.读取需要输入的彩色RGB图像Irgb，相对应的深度图像Idep；S2.对读取的图片进行放缩处理，使用双线性插值将图像分辨率调整为网络所需要的分辨率height×width；hright表示图像纵向的分辨率，width表示图像横向的分辨率；S3.使用Deeplabv3+网络模型获得分割图像Iseg，公式如下：Iseg＝DeeplabIrgb1其中，Deeplab表示Deeplabv3+网络模型；S4：去除深度图像中的噪声；使用预测出的分割图像Iseg，将深度图像中Idep属于透明物体像素的深度值修改为0，从而去除深度图像中的噪声；公式如下： 其中表示分割图像中位于i行、j列的像素，表示深度图像位于i行、j列的像素；S5.使用动态卷积层初步提取图像特征，公式如下： 其中Convdynamic表示动态卷积层，Frgb0表示对Irgb提取到的初始特征，Fdep0表示对Idep提取到的初始特征；S6.使用编解码器架构提取第一阶段的特征；公式如下： 其中UNet表示编解码器架构的UNet子网络模型；Frgb1表示对Frgb0进行特征提取得到的特征，Fdep1表示对Fdep0进行特征提取得到的特征；S7.生成空间注意力图；公式如下： 其中SAB表示空间注意力模块，SArgb表示对Frgb1进行解码得到的空间注意力图，SAdep表示对Fdep1进行解码得到的空间注意力图；S8.生成第一阶段修复图像Outrgb与Outdep；公式如下： 其中Dec表示解码模块，用来输出修复后的结果；Outrgb表示对Frgb1解码得到的结果，Outdep表示对Fdep1解码得到的结果；S9.对预测结果进行融合得到第一阶段的输出结果Out1；公式如下：Out1＝SArgb·Outrgb+SAdep·Outdep7S10.将Frgb1与Fdep1相加得到融合特征F1，输入第二阶段的子网络提取特征；公式如下： 其中F2表示第二阶段网络提取到的特征；S11.使用解码模块对特征F2解码，得到第二阶段的输出结果Out2；S12.将特征F2输入第三阶段的网络得到特征F3；公式如下：P3＝ORNetF29其中ORNet表示带有空间注意力的尺度不变网络；S13.使用解码模块对特征F3解码，得到第三阶段的输出结果Out3；S14.使用空间注意力模块预测输出结果Out1的空间注意力图SA1，输出结果Out2的空间注意力图SA2，输出结果Out3的空间注意力图SA3；S15.对各阶段的输出结果进行融合即可得到修复后的深度图像Iout；公式如下：Iout＝SA1·Out1+SA2·Out2+SA3·OUt310。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。