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！

龙图腾网获悉广西综合交通大数据研究院;桂林电子科技大学申请的专利基于对抗训练策略的无人机载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：CN120126031B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510179072.5，技术领域涉及：G06V20/17；该发明授权基于对抗训练策略的无人机载目标检测方法是由李晓欢;凌宏涛;陈倩;唐欣设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本基于对抗训练策略的无人机载目标检测方法在说明书摘要公布了：本发明涉及基于对抗训练策略的无人机载目标检测方法。其中的方法包括：通过无人机搭载的摄像头实时采集公路的图像和视频数据，将采集数据输入到基于改进YOLOv7‑Tiny的轻量级无人机鲁棒目标检测模型中，前端将模型返回的检测结果进行可视化处理，其中，目标检测模型的骨干网络包括基于CS模块改进的SPCBlock模块，目标检测模型的颈部网络包括Elan模块与MDCA模块组合形成的MDCACBlock模块；目标检测模型采用改进的投影梯度下降算法的对抗训练策略，以将模型生成的扰动加载在模型第一层参数上。本发明采用轻量且具备高效特征处理能力的模块替换传统模型相应模块，并用被干扰的样本去训练模型，实现无人机对公路的有效检测监控。

本发明授权基于对抗训练策略的无人机载目标检测方法在权利要求书中公布了：1.基于无人机的目标检测方法，其特征在于，所述方法包括以下步骤： S100、通过无人机搭载的摄像头实时采集公路的图像和视频数据； S200、将采集数据输入到基于改进YOLOv7-Tiny的轻量级无人机鲁棒目标检测模型中； S300、前端将模型返回的检测结果进行可视化处理； 其中，所述目标检测模型的骨干网络包括基于CS模块改进的SPCBlock模块，所述目标检测模型的颈部网络包括Elan模块与MDCA模块组合形成的MDCACBlock模块；所述SPCBlock模块包括基于StarBlock结构与部分卷积结合的两个SPC模块； 其中，所述目标检测模型采用改进的投影梯度下降算法的对抗训练策略，以将模型生成的扰动加载在模型第一层参数上； 其中，所述SPC模块被配置成： 采用使用3×3卷积核的部分卷积结合批量归一化层，处理输入特征的四分之一，在降低计算量的同时保持了模型的精度； 将上述部分卷积处理后的特征进行拼接，以形成更丰富的语义信息；将拼接后的特征输入到特征加权模块，以提取更为关键的特征； 加权后的特征通过1×1卷积进行通道压缩，再经过批量归一化和SiLU非线性激活处理，以进一步增强模型的表达能力 将上述处理后的特征与第三分支的原始特征进行残差连接，以够缓解训练过程中的梯度消失问题并保留原始特征信息； 其中，所述MDCA模块由多尺度膨胀卷积和CA注意力机制模块组合而成； 其中，所述MDCA模块被配置成：包括三个并行膨胀卷积分支，每个所述膨胀卷积分支为分别采用扩张率均为3的3×3膨胀卷积，以捕获不同尺度的上下文信息；三个所述膨胀卷积分支的捕获特征与扩张率为3的卷积输出再次拼接，以形成更丰富的多尺度特征表示；上述拼接后的特征通过1x1卷积融合特征并进行降维减少计算量，融合后的特征进一步输入到CA注意力机制模块，以有效地捕捉空间维度和通道维度上的依赖关系；通过残差连接结构将原始输入特征与处理后的特征相加；模块的输入经过一个1×1卷积层，以降维和提取初步特征；将初步特征通过批量归一化和ReLU激活函数，进行非线性变换，以增强模型的表达能力并提高训练的稳定性；特征进入一个扩张率为3的3×3膨胀卷积层，以在不增加额外参数的前提下大幅度扩大感受野；其中，所述膨胀卷积层包括扩张率为3的3×3卷积核；经过膨胀卷积处理后的输出特征与原始输入特征通过Concatenate操作进行拼接，以进一步丰富特征表达及强模型对不同层级特征的捕捉能力。

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广西综合交通大数据研究院;桂林电子科技大学，其通讯地址为：530001 广西壮族自治区南宁市青秀区厢竹大道4号竹溪嘉园3楼；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”。