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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于多尺度自注意力运动背景建模的红外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：CN119478349B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411508588.1，技术领域涉及：G06V10/25；该发明授权一种基于多尺度自注意力运动背景建模的红外小目标检测方法是由黄源欣;胡建明;李越龙;智喜洋;张伟设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于多尺度自注意力运动背景建模的红外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尺度自注意力运动背景建模的红外小目标检测方法，从红外序列图像中选取连续多帧作为模型输入，利用骨干网络提取图像特征，通过跨尺度自注意力编码结构对网络多尺度全局特征进行充分挖掘以建模时序图像的全局背景；将包含最细粒度信息的最浅层特征分组加权以形成分组查询，并采用跨尺度迭代解码的方式形成最终查询，以此保留更多的目标细节且更充分的抑制运动背景；通过检测头生成置信度图，并采用阈值分割方法得到最终的检测结果。多尺度自注意力编码网络能够实现序列图像背景全局特征和目标局部特征的融合，多尺度自注意力解码网络能够增强解码过程中查询向量的多帧细节信息，提升运动背景建模和目标特征表达的能力。

本发明授权一种基于多尺度自注意力运动背景建模的红外小目标检测方法在权利要求书中公布了：1.一种基于多尺度自注意力运动背景建模的红外小目标检测方法，其特征在于所述方法包括如下步骤： 步骤1：对于输入的多帧红外序列图像，按照规定的尺度划分为patch并执行embedding映射，再采用VideoSwinTransformer作为backbone进行时空特征提取，输出四个层级的特征； 步骤2：构建一个由尺度内编码器、尺度间编码器和FPN三个部分组成的多尺度自注意力编码网络，用于提取输入序列图像的全局多尺度特征，其中：尺度内编码器针对单一尺度计算全局注意力权重并生成全局特征，尺度间编码器利用相邻尺度的特征由粗到细的计算注意力亲和力，以衡量尺度间的特征关联性，FPN在最顶层特征受时空注意力权重调制后，自上而下的传递至各级特征，最终输出至多尺度自注意力解码网络，具体步骤如下： 步骤2-0：定义输入特征和在经过注意力Zh计算后的结果为： 式中C为通道数，和为对应的学习权重矩阵，h表示第h个注意力头，在经过多头注意力H计算后，得到： 式中，E为注意力头数，Wo为多头输出的权重矩阵，cat为concatenation即拼接操作； 步骤2-1：尺度内编码器 对于骨干网络提取的多层特征中的第n层特征Fn，计算对应的位置编码的结果Hn和Wn表示尺度n的高度和宽度，N为尺度的数量，随后根据等式2计算Fn的自注意力为： IsFn,pn＝HFn+pn,Fn+pn,Fn3 对IsFn,pn进行Feed-Forward和归一化，得到尺度n的输出特征在对每一个尺度执行相同的运算后，即得到尺度内编码器最终的输出特征 步骤2-2：尺度间编码器 对尺度内编码器输出的特征计算相邻尺度的注意力，由粗到细地计算包含更多语义信息的深层特征与包含丰富细节信息的浅层特征之间的注意力权重，并对浅层特征进行调制，从而实现输入序列图像的跨尺度全局建模，尺度间的注意力计算遵循等式1的原则，则根据等式4计算的和的跨尺度注意力为： 对进行Feed-Forward和归一化，得到尺度n的输出特征对所有尺度特征完成计算后，得到尺度间编码器的输出特征对其执行重排操作，使输出特征与原始输入特征保持相同的帧数、高度和宽度，得到特征 步骤2-3：FPN 利用FPN将丰富的语义信息逐步传递至浅层特征，从而增强浅层特征中的全局信息，最终输出的特征将作为多尺度自注意力解码网络的输入以实现红外小目标的检测； 步骤3：构建一个由查询滤波、查询迭代和特征解算三个部分组成的多尺度自注意力解码网络，其中：查询滤波利用输入特征加权随机初始化的查询以增加目标查询对于运动目标和背景的适应性，查询迭代通过自顶向下的方式逐步解码，以适应目标的形态变化，特征解算利用目标查询和输入特征计算出用于红外小目标检测的特征； 步骤4：利用由四层3D卷积组成的检测头接收用于执行红外小目标检测的特征，输出最终的目标检测结果。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。