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！

龙图腾网获悉电子科技大学申请的专利复杂环境光电成像弱小目标智能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：CN116310359B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202310196144.8，技术领域涉及：G06V10/32；该发明授权复杂环境光电成像弱小目标智能检测方法是由邢建川;莫国坤;曾凤;陈洋;周春文;付鱼;王菲设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本复杂环境光电成像弱小目标智能检测方法在说明书摘要公布了：本发明公开了一种复杂环境光电成像弱小目标智能检测方法，属于目标检测技术领域。本发明包括：对待检测的图像进行尺寸归一化处理，然后进行分组卷积处理，接着再进行下采样后通过四层堆叠的残差模块层对第二特征图进行多尺度特征提取；采用阶梯型结构特征融合方式对第二层、第三层和第四层的残差模块层的输出特征图进行多尺度融合处理，得到融合特征图；最后通过分类检测判定器对融合特征图进行弱小目标检测处理，得到弱小目标的检测处理结果；本发明通过对检测网络的改进，以使得本发明的网络模型算法具备特征信息更加丰富的特点。本发明在有效提高精度表现的同时，减少了误检率，降低了模型复杂度。

本发明授权复杂环境光电成像弱小目标智能检测方法在权利要求书中公布了：1.复杂环境光电成像弱小目标智能检测方法，其特征在于，包括下列步骤： 步骤S1：对待检测的图像进行尺寸归一化处理，得到期望的图像尺寸； 步骤S2：采用卷积核大小为5×5的深度卷积对步骤S1处理后的图像进行分组卷积，得到第一特征图； 步骤S3：通过一个步长为2卷积核大小为3×3卷积进行第一次下采样，得到第二特征图； 步骤S4：通过四层堆叠的残差模块层对第二特征图进行多尺度特征提取； 所述残差模块层具体为：步骤S3产生的第二特征图作为第一层残差模块层的输入特征图，第二、三和四层残差模块层的输入特征图为上一残差模块层的输出特征图；即上一层的输出特征图作为下一层的输入特征图； 每一层残差模块层的网络结构相同，采用轻量级卷积结构ShuffleNet2作为基础卷积模块，残差模块层的输入特征图经基础卷积模块后，再与当前残差模块层的输入特征图按通道进行拼接后，得到当前残差模块层的输出特征图； 步骤S5：采用阶梯型结构特征融合方式对第二层、第三层和第四层的残差模块层的输出特征图进行多尺度融合处理，得到融合特征图； 其中，阶梯型结构特征融合方式为： 定义第二层、第三层和第四层的残差模块层的输出特征图分别为第一尺度特征图、第二尺度特征图和第三尺度特征图，并定义第二层、第三层和第四层的残差模块层的输出特征图的特征图维度分别为第一尺度、第二尺度和第三尺度； 将第三尺度特征图的特征图维度变换为第二尺度，再与第二尺度特征图进行通道拼接，得到第一拼接结果；并将第一拼接结果的特征图维度变换为第二尺度，得到第二尺度的第一拼接结果； 将第二尺度特征图的特征图维度变换为第一尺度，再与第一尺度特征图进行通道拼接，得到第二拼接结果；并将第二拼接结果的特征图维度变换为第一尺度，得到第一尺度的第二拼接结果； 将第二尺度的第一拼接结果的特征图维度变换为第一尺度，再与第一尺度的第二拼接结果进行通道拼接，得到第三拼接结果，并将第三拼接结果的特征图维度变换为第一尺度，得到第一尺度的第三拼接结果； 对第三尺度特征图进行全局平均池化操作，并将全局平均池化操作结果的特征图维度变换为第一尺度，再与第一尺度的第三拼接结果进行特征融合，得到融合特征图； 步骤S6：通过分类检测判定器对融合特征图进行弱小目标检测处理，得到弱小目标的检测处理结果； 所述弱小目标是指目标尺寸小于或等于指定尺寸的目标。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。