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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉云南師范大學(xué)申請的專利無人機小目標檢測方法、深度學(xué)習(xí)網(wǎng)絡(luò)模型、系統(tǒng)及可讀存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120409558B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12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?zhí)?專利號為：202510919768.7，技術(shù)領(lǐng)域涉及：G06N3/0464；該發(fā)明授權(quán)無人機小目標檢測方法、深度學(xué)習(xí)網(wǎng)絡(luò)模型、系統(tǒng)及可讀存儲介質(zhì)是由云利軍;鈔曼新;金雪松;陳建兵;陳載清;彭燦設(shè)計研發(fā)完成，并于2025-07-04向國家知識產(chǎn)權(quán)局提交的專利申請。

本無人機小目標檢測方法、深度學(xué)習(xí)網(wǎng)絡(luò)模型、系統(tǒng)及可讀存儲介質(zhì)在說明書摘要公布了：本申請涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種無人機小目標檢測方法、深度學(xué)習(xí)網(wǎng)絡(luò)模型、系統(tǒng)及可讀存儲介質(zhì)。使用更為輕量級的深度空間特征融合模塊替換深層的殘差塊來減少通道交互，從而避免深層特征提取中大量堆疊殘差塊造成計算資源的冗余和低效；在特征對齊任務(wù)中，引入輕量型上采樣算子DySample，使得本申請在不犧牲檢測精度的情況下，進一步節(jié)省了計算資源。旨在解決如何降低小目標檢測方法的計算開銷及提升語義信息提取能力的問題。

本發(fā)明授權(quán)無人機小目標檢測方法、深度學(xué)習(xí)網(wǎng)絡(luò)模型、系統(tǒng)及可讀存儲介質(zhì)在權(quán)利要求書中公布了：1.一種無人機小目標檢測方法，其特征在于，所述方法包括以下步驟： 獲取無人機采集的包含多個小目標的圖像數(shù)據(jù)集； 將所述圖像數(shù)據(jù)集輸入至訓(xùn)練后的深度學(xué)習(xí)網(wǎng)絡(luò)中進行特征提取； 其中，所述深度學(xué)習(xí)網(wǎng)絡(luò)使用多個深度空間特征融合模塊將不同尺度的語義特征進行融合，并通過輕量級上采樣算子DySample將融合后的特征圖對齊到與第二個卷積層相同的分辨率，將對齊后的特征圖輸入至特征提取層中使用殘差塊與淺層特征融合后提取細節(jié)特征； 獲取所述深度學(xué)習(xí)網(wǎng)絡(luò)輸出的各個圖像對應(yīng)的預(yù)測類別和預(yù)測框坐標； 根據(jù)所述預(yù)測框坐標篩選出不存在重疊的目標預(yù)測框，以基于所述目標預(yù)測框在所述圖像上標記出各個小目標對應(yīng)的目標位置和目標類別； 所述深度學(xué)習(xí)網(wǎng)絡(luò)的融合策略為雙頭漸近融合策略，所述雙頭漸近融合策略具體包括： 在融合的初級階段，設(shè)表示處在層，且處在該層下階段的特征圖，并行融合來自BackBone的輸出： ； ； 其中，分別對應(yīng)BackBone的輸出，表示跨步卷積下采樣操作，表示上采樣操作，與表示處在下采樣階段的中間階段； 在融合的后期，將產(chǎn)生的中間層的語義逐漸融合： ； ； 其中，融合處在中間層的，而則進一步融合來自BackBone最深層的輸出與P3層上一階段的輸出，DSF為深度空間特征融合模塊； 在雙頭漸近融合策略中，淺層以漸進的方式獲取深層的語義，對于，當時有： ； 當時有： ； 式中，表示按通道維度拼接,表示將特征圖通過上采樣調(diào)整分辨率。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人云南師范大學(xué)，其通訊地址為：650500 云南省昆明市呈貢區(qū)聚賢街768號；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)”。