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！

龙图腾网获悉东北大学申请的专利一种面向星载边缘计算的目标检测模型轻量化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：CN119849580B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510325334.4，技术领域涉及：G06N3/082；该发明授权一种面向星载边缘计算的目标检测模型轻量化方法是由彭玉怀;刘茗;毕皓然;王晨路;汪力行设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种面向星载边缘计算的目标检测模型轻量化方法在说明书摘要公布了：本发明提供了一种面向星载边缘计算的目标检测模型轻量化方法，包括如下步骤：S1、通过采集训练数据集、自监督对比训练与构建通道注意力机制训练出可识别特征缺失目标的图像目标检测模型；S2、对目标检测模型使用图结构抽象神经网络模型、识别并修剪冗余通道从而进行神经网络模型压缩，得到压缩模型；S3、使用对比生成对抗网络和知识蒸馏方法对压缩模型进行模型性能优化，得到轻量化目标检测模型。本发明在压缩模型实现星载边缘计算环境轻量化部署的条件下，保证检测速度和精度，增强特征缺失目标的识别能力。

本发明授权一种面向星载边缘计算的目标检测模型轻量化方法在权利要求书中公布了：1.一种面向星载边缘计算的目标检测模型轻量化方法，其特征在于，包括如下步骤： S1、通过采集训练数据集、自监督对比训练与构建通道注意力机制训练出可识别特征缺失目标的图像目标检测模型； S1具体包括如下步骤： S11、收集卫星拍摄的原始图像，从原始图像中筛选出具备待识别目标的图像，将待识别目标的图像进行裁剪，将剪裁后图像作为预检测数据集； S12、将原始图像输入至对比学习框架中进行预检测，输出每个图像的类别； S13、基于每个图像的类别，以YOLOX目标检测框架为基础搭建图像目标检测模型，所述图像目标检测模型的结构包括一个backbone网络、一个路径聚合网络PAN和YOLOX解耦合头网络； 原始图像被输入到backbone网络中，backbone网络结构的基本结构包括C1~C5五个不同stage，其中每个stage均可提取输入图像的特征，并输出不同大小的特征图；将C3至C5所输出的特征图输入到PAN网络中； C5输出的特征图首先经过卷积调整通道数为C，对其进行上采样后与C4所输出的特征图在通道维度进行拼接；通过通道分割聚合模块抑制图像中的背景部分，突出前景部分；通道分割聚合模块对于输入的特征图首先在通道维度进行划分得到两个大小为的特征图，将其中一部分特征图经过两次Depth-wise卷积与另一部分直接拼接；在两次Depth-wise卷积间引入通道注意力模块；将按通道维度拼接后的特征图再次通过卷积，以此融合不同通道间的信息；对于PAN网络中自底向上的部分，将M3、M4经过2倍下采样后分别与M4、M5进行拼接，再次经过CSA模块后得到输出P3、P4、P5；将融合后不同大小的特征图输入到YOLOX解耦合头网络中对其中包含的目标进行分类和定位； 所述通道注意力模块中，输入特征图首先通过全局平均池化聚合全局空间特征，接着通过组卷积以完成不同通道间的信息交互，其分组数可依据输入通道数的不同而自由选择，通过Sigmoid激活函数后将其与输入相乘积； 将P3、P4、P5特征图分别输入到YOLOX解耦合头网络中，解耦合头网络将目标位置和类别信息分别提取出来，通过不同的卷积神经网络分支分别学习，最后再进行特征融合；在回归分支中引入额外的角度参数，将锚框坐标由中心点，宽度，高度转换为中心点，宽度，高度，旋转角度，以实现对旋转目标的预测； S2、使用图结构将目标检测模型抽象为神经网络结构图、识别并修剪冗余通道从而进行神经网络模型压缩，得到压缩模型； S3、使用对比生成对抗网络和知识蒸馏方法对压缩模型进行模型性能优化，得到轻量化目标检测模型。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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”。