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！

龙图腾网获悉重庆邮电大学申请的专利改进YOLOv7的无人机航拍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：CN117037001B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311059413.2，技术领域涉及：G06V20/17；该发明授权改进YOLOv7的无人机航拍小目标检测方法是由文凯;张力文设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本改进YOLOv7的无人机航拍小目标检测方法在说明书摘要公布了：本发明涉及一种改进YOLOv7的无人机航拍小目标检测方法，属于目标检测技术领域。首先通过增添小目标检测分支获取到更高分辨率的特征图，提高模型对小目标特征提取能力，同时删除大目标检测层减少模型参数量和计算量；其次设计了基于多尺度通道注意力机制的GMAM特征融合模块，增加了模型对小目标的关注度，提高了小目标检测精度；设计了QARepN模块，提升模型特征融合能力的同时降低了模型运算量；最后使用SIoULoss作为损失函数加快网络的收敛。通过VisDrone2019数据集的实验结果表明，本发明在mAP50指标上提高了6.26％，在无人机航拍小目标检测上具有更好的检测效果。

本发明授权改进YOLOv7的无人机航拍小目标检测方法在权利要求书中公布了：1.改进YOLOv7的无人机航拍图像小目标检测方法，其特征在于：该方法包括以下步骤： S1：在网络的Neck部分新增P2层的特征融合层，并在Head部分添加新的检测头，同时删除掉P5层的检测分支； S2：引入GMAM多通道特征融合模块，融合更多层次的特征，让网络更有利于获取到有用的小目标特征； 所述GMAM多通道特征融合模块先将输入的特征图送入带BN层和SiLU激活函数的卷积层提取特征，然后经过三个不同卷积核大小的Maxpool层获取到不同尺度的信息；其中在P5层连接骨干网的GMAM多通道特征融合模块Maxpool层卷积核大小分别设置为3,5,9，在P2检测层的GMAM多通道特征融合模块的Maxpool层卷积核大小分别设置为1,3,5以适应无人机航拍图像小目标检测需要； 在GMAM模型中添加一个多尺度注意力机制，输入为三个分别经过不同大小卷积核的最大池化层的多尺度特征图，继续经过全局平均池化GAP后再进行Concat操作，最后通过全连接层FC和Sigmoid激活函数形成关于多尺度的通道注意力权重；然后将此权重和之前经过卷积层的特征图相乘后经由1×1卷积，再和另一个分支上经过1×1卷积的原输入特征图进行Concat操作，最终再经过1×1卷积得到最终输出； GMAM多通道特征融合模块通过不同尺度的最大池化操作获取到多尺度的特征信息，再经通道注意力机制获得不同的权重，实现多尺度间跨通道的信息融合； S3：引入QARepN模块，通过重参数化的设计降低网络的参数量，提升模型对于特征融合的能力；所述QARepN模块是由主干的3×3卷积、1×1卷积分支和identity残差分支以及SiLU构成的模块，其中第一层为Stride为2的下采样层，其余层的Stride则为1；QARepN通过将信息流建模为y＝x+gx+fx，其中gx为1×1的卷积，fx为3×3卷积构成的主分支，x则为identity残差分支；QARepN模块在训练阶段采用不同感受野的卷积核获取到不同特征的信息，然后将获取到的特征信息进行叠加；在推理阶段QARepN通过结构重参数化的设计将多路残差分支网络等效为单路直连的VGG推理模型；在训练时在QARepN每一层信息融合之后添加归一化的BN层，防止出现梯度爆炸的现象； S4：引入SIoU边界框回归损失函数，降低边界框回归损失，加速网络收敛。

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邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。