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！

龍圖騰網獲悉西安電子科技大學申請的專利可解釋的基于高斯曲率的小目標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：CN116883812B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202310852539.9，技術領域涉及：G06V10/82；該發明授權可解釋的基于高斯曲率的小目標檢測方法是由張銘津;臧璠;岳珂;左龍;郭杰;李云松;高新波設計研發完成，并于2023-07-12向國家知識產權局提交的專利申請。

本可解釋的基于高斯曲率的小目標檢測方法在說明書摘要公布了：本發明公開了一種可解釋的基于高斯曲率的小目標檢測方法，主要解決現有方法檢測準確率低的問題，實現步驟為：獲取訓練樣本集和測試樣本集；構建可解釋的基于高斯曲率的小目標檢測模型：包括包括主干網絡及與其并行排布的結構特征增強網絡；初始化參數；對小目標檢測模型進行訓練；對小目標檢測模型的參數進行更新；獲取小目標檢測結果。本發明中主干網絡用來提取不同尺度的特征，結構特征增強網絡中，結合數學理論構建高斯曲率引導的結構提取塊，使得模型具有強可解釋性，其通過高斯曲率計算有效提取紋理結構信息，特征融合塊再將紋理結構信息與多尺度的特征信息進行融合，補償主干網絡中下采樣操作丟失的目標特征，提高小目標檢測的準確率。

本發明授權可解釋的基于高斯曲率的小目標檢測方法在權利要求書中公布了：1.可解釋的基于高斯曲率的小目標檢測方法，其特征在于，包括以下步驟： 1獲取訓練樣本集和測試樣本集： 獲取K幅小目標圖像，并對每幅小目標圖像中的小目標對象進行標注，再將M幅小目標圖像及其對應的標簽組成訓練樣本集R1，將剩余的K-M幅小目標圖像及其對應的標簽組成測試樣本集E1，其中K≥500， 2構建可解釋的基于高斯曲率的小目標檢測模型O： 構建包括主干網絡及與其并行排布的結構特征增強網絡的小目標檢測網絡模型O；主干網絡包括順次連接的Stem塊、N個特征提取塊、上采樣塊和Head塊；結構特征增強網絡加載在主干網絡的Stem塊與Head塊之間，包括順次連接的高斯曲率引導的結構提取塊、N個特征融合塊，以及歸一化塊；主干網絡中的第n個特征提取塊的輸出端與結構特征增強網絡中的第n個特征融合塊的輸入端相連；高斯曲率引導的結構提取塊包括順次連接的高斯曲率算子和兩個反卷積層；特征融合塊包括順次連接的兩個殘差塊和由三個層疊的卷積層組成的卷積塊，卷積塊的輸入端還連接有層疊的卷積層和上采樣層，殘差塊包括順次連接的多個復合層，每個復合層包括順次連接的卷積層、歸一化層和非線性激活層；其中，N≥1； 3初始化參數： 初始化迭代次數為t，最大迭代次數為T，T≥1000，第t次迭代的小目標檢測模型Ot中的權值、偏置參數分別為wt、bt，并令t＝0，Ot＝O； 4對小目標檢測模型O進行訓練： 將從訓練樣本集R1中隨機有放回的選取L個訓練樣本作為小目標檢測模型O的輸入進行前向傳播，得到L個小目標檢測結果，其中，1≤L≤M； 5對小目標檢測模型的參數進行更新： 通過步驟4獲得的L個小目標檢測結果，對小目標檢測模型Ot的權值、偏置參數wt、bt進行更新，得到本次迭代的網絡模型Ot；判斷t≥T是否成立，若是，得到訓練好的小目標檢測模型O*，否則，令t＝t+1，并執行步驟4； 6獲取小目標檢測結果： 將測試樣本集E1作為訓練好的小目標檢測模型O*的輸入進行前向傳播，得到K-M個測試樣本對應的小目標檢測結果。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2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”。