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！

龙图腾网获悉中国民用航空飞行学院申请的专利一种基于多通道域泛化网络的无人机小目标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：CN119810607B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510286090.3，技术领域涉及：G06V10/80；该发明授权一种基于多通道域泛化网络的无人机小目标检测方法是由涂晓光;李卓骏;高增;刘建华;杨明;张艳艳;魏麟设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本一种基于多通道域泛化网络的无人机小目标检测方法在说明书摘要公布了：本发明公开了一种基于多通道域泛化网络的无人机小目标检测方法，涉及计算机视觉、图像处理和目标检测技术领域，方法包括：构建并训练多通道域泛化网络；将包含无人机小目标的低分辨率图像输入到训练好的多通道域泛化网络进行检测识别；多通道域泛化网络包括高分辨率目标检测网络、低分辨率目标检测网络、低分辨率域泛化网络、判别器，所述高分辨率目标检测网络与所述低分辨率目标检测网络通过强约束相连，所述低分辨率目标检测网络与低分辨率域泛化网络则通过对抗约束连接。本发明能够在不同的环境和变化条件下更准确地检测小目标，确保无论在任何背景或条件下都能保持较高性能。

本发明授权一种基于多通道域泛化网络的无人机小目标检测方法在权利要求书中公布了：1.一种基于多通道域泛化网络的无人机小目标检测方法，其特征在于，包括： 构建并训练多通道域泛化网络； 将包含无人机小目标的低分辨率图像输入到训练好的多通道域泛化网络进行检测识别； 所述构建并训练多通道域泛化网络包括步骤： 采集无人机高分辨率图像作为第一训练图像集，将无人机高分辨率图像进行十倍降采样后得到的图像作为第二训练图像集，将低分辨率图像作为第三训练图像集； 构建多通道域泛化网络，所述多通道域泛化网络包括高分辨率目标检测网络、低分辨率目标检测网络、低分辨率域泛化网络、判别器，所述高分辨率目标检测网络与所述低分辨率目标检测网络通过强约束相连； 所述低分辨率目标检测网络与低分辨率域泛化网络则通过对抗约束连接；其中： 所述高分辨率目标检测网络采用YOLO-v8网络，模型训练时，将第一训练图像集输入到高分辨率目标检测网络，通过高分辨率目标检测网络中间层获得第一中间特征； 所述低分辨率目标检测网络采用YOLO-v8网络，模型训练时，将第二训练图像集输入到低分辨率目标检测网络，通过低分辨率目标检测网络中间层获得第二中间特征； 将所述第一中间特征和第二中间特征进行强约束，强约束所采用的损失为特征对齐损失，采用均方误差损失作为特征对齐损失，具体表示为： 其中表示实际值，表示预测值，N是样本数量； 所述低分辨率域泛化网络采用YOLO-v8网络，模型训练时，将第三训练图像集输入到低分辨率域泛化网络，通过低分辨率域泛化网络中间层获得第三中间特征；低分辨率域泛化网络根据第三中间特征和所述第二中间特征进行对抗学习，然后将低分辨率目标检测网络中间层和低分辨率域泛化网络中间层连接到判别器上，判别器评估低分辨率目标检测网络是否能够有效学习到低分辨率域泛化网络的域特征，输出判别结果；所述判别器训练时采用的损失为域泛化损失，所述域泛化损失的计算公式具体表示为： 其中，D是判别器，θ为低分辨率目标检测网络参数，为对抗损失函数，用于衡量判别器D对特征来源域的区分能力，表示网络参数θ在判别器D最大化对抗损失函数的情况下，最小化对抗损失函数的过程；x表示从低分辨率域泛化网络中抽取的图像特征，代表数据的分布；是低分辨率目标检测网络的输出，和分别表示低分辨率域泛化网络和依赖低分辨率目标检测网络参数的数据分布，E表示对原始多域训练数据分布的数学期望运算； 通过判别器的反馈，低分辨率目标检测网络不断地调整和优化其参数。

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中国民用航空飞行学院，其通讯地址为：618300 四川省德阳市广汉市南昌路四段46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”。