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！

龙图腾网获悉淮阴工学院申请的专利一种基于IDT-YOLOv5-CBAM混合算法的密集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：CN115375913B 。

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：202210829848.X，技术领域涉及：G06V10/44；该发明授权一种基于IDT-YOLOv5-CBAM混合算法的密集小目标检测方法是由张浩;董锴龙;孙欣;随亮辉;王敏;华奇凡;张格;高尚兵;梁坤;孔德财;周桂良设计研发完成，并于2022-07-15向国家知识产权局提交的专利申请。

本一种基于IDT-YOLOv5-CBAM混合算法的密集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IDT‑YOLOv5‑CBAM混合算法的密集小目标检测方法，采用模糊ISODATA动态聚类的方法对k‑means算法进行优化，避免局部最优解的情况发生；嵌入一个检测层，使得每个gridcell对应到原图中的感受野更小，增强小目标的检测能力；同时，采用并行策略add进行多尺度特征的融合，使它们在拥有高层语义信息的同时，保留了更多的细节信息；在模型中的Neck网络引入CBAM注意力机制模块，实现空间维度和通道维度的全方位兼顾；同时，将上采样更换为反卷积，通过反卷积的学习能力去让网络自己学习如何进行上采样，使之增强对目标图像中小目标的检测效果。本发明能够快速精确并尽可能多地识别出检测目标，极大的降低了模型的漏检率和误检率。

本发明授权一种基于IDT-YOLOv5-CBAM混合算法的密集小目标检测方法在权利要求书中公布了：1.一种基于IDT-YOLOv5-CBAM混合算法的密集小目标检测方法，其特征在于，包括以下步骤： 1对预先获取的待检测小目标图像进行预处理，制作数据集： 2对原YOLOv5网络结构进行改进，得到改进后的IDT-YOLOv5-CBAM网络结构； 3对改进之后的网络模型进行参数的调整：在IDT-YOLOv5-CBAM网络模型中，根据用户所需的识别效果和训练速度，设置卷积神经网络输入图像的尺寸、识别种类的数量、迭代次数； 4对改进后的模型分别从准确率、召回率、Map值三个方面对训练好的IDT-YOLOv5-CBAM网络模型进行评估； 所述步骤2包括以下步骤： 21在YOLOv5原有三个检测层的基础上增加一个检测层； 22在嵌入第四个检测层的基础上，分别将第22层与第2层，第27层与第4层和第32层与第6层进行Add多尺度融合； 23在YOLOv5中的Neck网络引入CBAM注意力机制模块，实现空间维度和通道维度的全方位兼顾；分别在第11层、16层和21层引入CBAM注意力机制； 24将原始模型Neck层中原有的上采样更换为反卷积，用反卷积模块去增强特征图的分辨率； 25考虑低层特征低语义高细节和高层特征高语义低细节的特点，采用并行策略add替换Neck层中的Concat融合操作； 26采用模糊ISODATA动态聚类的方法对k-means算法进行优化；通过增加模糊矩阵，并且在迭代过程中增加合并和分裂两个步骤，动态确定出K值的大小，避免局部最优解的情况发生； 增加的检测层，具体对应整体结构的第19～24层，首先通过CSP2_1模块、CBS模块和CBAM模块进行参数学习，其次由第22层进行一个反卷积操作，输出结果与第二层进行Add融合，最后再由第24层的CSP2_1模块对Add融合的结果做一个输出，实现输出的featuremap变为对原始输入进行4倍的下采样操作； 对第21层输出结果80×80×64的featuremap进行反卷积操作，使其变成160×160×64大小的高层特征信息，然后与第2层160×160×64的低层特征信息进行Add融合；对第27层经过CSP2_1模块，大小为80×80×128的featuremap与同等大小的第4层的低层特征信息进行Add融合；对第32层经过CSP2_1模块，大小为40×40×256的featuremap与同等大小的第6层的低层特征信息进行Add融合。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市经济技术开发区枚乘东路1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”。