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！

龙图腾网获悉北京工业大学;北京市气象服务中心申请的专利一种融合图像全局信息的对象检测方法及系统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：CN113763381B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202111158075.9，技术领域涉及：G06V10/80；该发明授权一种融合图像全局信息的对象检测方法及系统是由王全增;李建强;李博雅;叶彩华;尤焕苓;白帆设计研发完成，并于2021-09-28向国家知识产权局提交的专利申请。

本一种融合图像全局信息的对象检测方法及系统在说明书摘要公布了：本发明提供一种融合图像全局信息的对象检测方法及系统，方法包括：将待测图像输入至多层特征提取网络进行特征提取得到待测图像的多层特征结果；将多层特征结果进行双通路特征融合得到多层融合特征结果；其中，多层融合特征结果包括浅层融合特征结果、深层融合特征结果以及与预设检测分支层对应的中层融合特征结果；将特征优化后的浅层融合特征结果和特征优化后的深层融合特征结果融合至中层融合特征结果中，得到目标融合特征结果；将目标特征融合结果输入至花粉检测模块中，得到花粉检测模块输出的花粉检测结果。本发明通过将深层和浅层的融合特征融合至检测分支层对应的特征以用于花粉检测，有效提高了花粉检测的精度。

本发明授权一种融合图像全局信息的对象检测方法及系统在权利要求书中公布了：1.一种融合图像全局信息的对象检测方法，其特征在于，包括： 将获取到的待测图像输入至训练好的多层特征提取网络进行特征提取得到所述待测图像的多层特征结果；其中，所述多层特征提取网络是基于样本图像以及与所述样本图像对应的样本特征结果进行训练得到的，所述多层特征提取网络为是ResNet-50网络，所述多层特征结果包括特征图P3、特征图P4、特征图P5与特征图P6，其中，所述特征图P3、所述特征图P4、所述特征图P5与所述特征图P6的下采样倍率依次递增； 将所述多层特征结果进行双通路特征融合得到多层融合特征结果；其中，所述多层融合特征结果包括浅层融合特征结果、深层融合特征结果以及与预设检测分支层对应的中层融合特征结果； 将特征优化后的浅层融合特征结果和特征优化后的深层融合特征结果融合至所述中层融合特征结果中，得到目标特征融合结果； 将所述目标特征融合结果输入至训练好的花粉检测模块中，得到所述花粉检测模块输出的花粉检测结果；其中，所述花粉检测模块是基于特征样本以及与所述特征样本对应的样本检测结果进行训练得到的； 其中，所述浅层融合特征结果包括特征图P5m1、特征图P4m1与特征图P3m1，所述深层融合特征结果包括特征图P6m2，所述预设检测分支层对应的中层融合特征结果包括特征图P4m2与特征图P5m2； 所述将所述多层特征结果进行双通路特征融合得到多层融合特征结果的步骤中，具体包括： 将所述特征图P6上采样后与所述特征图P5进行逐元素相加，得到特征图P5m1； 将所述特征图P5m1上采样后与所述特征图P4进行逐元素相加，得到特征图P4m1； 将所述特征图P4m1上采样后与所述特征图P3进行逐元素相加，得到特征图P3m1； 将所述特征图P3m1下采样后与所述特征图P4m1进行逐元素相加，得到特征图P4m2； 将所述特征图P4m2下采样后与所述特征图P5m1进行逐元素相加，得到特征图P5m2； 将所述P5m2下采样后与所述特征图P6进行逐元素相加，得到特征图P6m2； 其中，所述浅层融合特征结果中和所述深层融合特征结果的特征优化方式包括： 将所述浅层融合特征结果中的特征图P3m1输入至预设的并联自注意力模块进行特征优化得到特征图P3out，将所述深层融合特征结果中的特征图P6m2输入至所述并联自注意力模块进行特征优化得到特征图P6out；其中，所述并联自注意力模块包括并联的空间自注意力模块和通道自注意力模块； 所述将特征优化后的浅层融合特征结果和特征优化后的深层融合特征结果融合至所述中层融合特征结果中，得到目标特征融合结果，包括： 将特征图P3out与所述特征图P4m2进行特征融合，得到特征图P4out； 将特征图P6out与所述P5m2进行特征融合，得到特征图P5out。

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北京工业大学;北京市气象服务中心，其通讯地址为：100022 北京市朝阳区平乐园100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”。