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！

龙图腾网获悉重庆大学申请的专利基于细节增强的水下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：CN116486244B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310337305.0，技术领域涉及：G06V20/05；该发明授权基于细节增强的水下目标检测方法是由宋永端;吴将娱;龙鸿;胡芳;张景;宋承铭;黄锦程;杜志豪;王玉娟设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本基于细节增强的水下目标检测方法在说明书摘要公布了：本发明公开了基于细节增强的水下目标检测方法，首先获取水下目标数据，对数据进行存储、预处理和数据集划分，形成道路提取样本数据集。基于YOLO目标检测框架，构建水下目标检测网络提取网络。该算法基于细节增强的策略，在特征提取层面通过更丰富的梯度流和注意力机制加强特征提取；在特征聚合网络此外引入了感受野增强模块，增大了网络感受野，增强了模型对于纹理等特征的提取，此外设计了一个细节增强分支，增强底层细节特征特别是边缘特征，并以通道加权的形式聚合到网络，细节特征作为先验知识，能有效监督网络的学习；改进了水下检测头，其具有更多的检测层。

本发明授权基于细节增强的水下目标检测方法在权利要求书中公布了：1.基于细节增强的水下目标检测方法，其特征在于，该方法的具体步骤如下： 步骤1获取水下图像目标数据集，对水下图像数据进行存储、预处理和数据集划分；并对所述水下图像数据进行清洗和数据增强； 步骤2利用建立的水下数据集对水下目标检测算法进行训练，初始时将模型学习率设为0.01，对训练集和验证集进行200轮次训练，观察模型训练结果precision、recall、mAP； 步骤3水下目标特征模型验证；将步骤2训练轮次中最优模型保留，利用该模型对验证集进行第一轮验证生成预测集，查看预测结果较低的图片，在训练集中添加相同类别数据，使模型学习到该类特征；重复训练过程，直至模型精度达到可用水平，并保留最优模型； 步骤2的具体步骤包括： a采用加强梯度分流的C2F网络，C2F类是基于CSPnet进行改进，由两个并行的卷积块组成的模块，每个卷积块都有一个独立的计算路径；每一个bottleneck都进行分流，一部分送入下一个bottleneck，一部分作为shortcut直接进行残差连接； b将注意力机制集成在backbone和neck的C2F模块之中；网络的特征输出fo，经过一个注意力机制模块得到最终的特征图fatt； c在特征提取层与特征聚合层之间引入了一个感受野扩张模块RFB，感受野扩张模块RFB由四个分支组成；使用一个1×1的卷积层，降低通道数；对于{bm,m1}；增加两层：一个2m-1×2m-1卷积层和一个空洞系数为2m-1的3×3空洞卷积层；大卷积核进行分解以降低计算量和参数量；感受野扩张模块RFB是在特征提取网络的最深层后面使用；最后，shorcut直接连接到降维合并后的特征图形成残差，将bm分支的结果作为bnn＝m+1分支的输入，前面小卷积核分支的输出特征图又经过后面分支的更大范围的空洞卷积扩大感受野，增强细节纹理特征； d细节增强模块由两个分支组成，其输入为从特征提取网络的两个低层，f1和f2分别被输入一个3×3的卷积层，降低维度，使两个分支的通道数一样，之后再经过一个3×3的卷积层进行特征提取，表示为： 使用一个自适应加权切换器ws来学习如何权衡不同层次的注意力，被定义为元素相乘；经过一个拼接运算整合，来融合两个特征； 细节增强模块在提取f1和f2的特征时，并将这两个特征分别相乘，对不同方向上的特征赋予了不同的重要性；在基本卷积单元之外还级联一个激活函数FRelu，增加非线性拟合能力。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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”。