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！

龙图腾网获悉南京理工大学申请的专利一种红外raw数据全阶段弱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：CN115471735B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211233846.0，技术领域涉及：G06V20/00；该发明授权一种红外raw数据全阶段弱小目标检测方法是由王欢;顾晓东;陶叔银设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种红外raw数据全阶段弱小目标检测方法在说明书摘要公布了：本申请公开了一种红外raw数据全阶段弱小目标检测方法，首先构建红外弱小目标检测模型，红外弱小目标检测模型包括图像块嵌入模块、大小目标分类模块、弱小目标检测模块、大目标检测模块；其次构建用于训练红外弱小目标检测模型的训练集；再次设计总损失函数，使得大小目标分类模块、弱小目标检测模块、大目标检测模块快速收敛；接着利用训练集训练红外弱小目标检测模型；最后将测试图片输入训练好的模型进行检测。本方法不仅能在目标距离成像设备较远的场景下将目标很好地分割出来，而且在目标距离不断接近成像设备的场景下同样能够将目标分割出来，同时分割结果具有较低的虚警率，网络能够更好地识别红外弱小目标。

本发明授权一种红外raw数据全阶段弱小目标检测方法在权利要求书中公布了：1.一种红外raw数据全阶段弱小目标检测方法，其特征在于，包括以下步骤： 步骤1、构建红外弱小目标检测模型，所述红外弱小目标检测模型包括图像块嵌入模块、大小目标分类模块、弱小目标检测模块、大目标检测模块；所述图像块嵌入模块用于对输入的原始红外图像进行特征提取，所述大小目标分类模块用于判断原始图像中的目标为弱小目标还是大目标，所述弱小目标检测模块、大目标检测模块分别用于对弱小目标或大目标进行检测； 步骤2、构建用于训练红外弱小目标检测模型的训练集； 步骤3、设计总损失函数，使得大小目标分类模块、弱小目标检测模块、大目标检测模块快速收敛； 步骤4、利用训练集训练红外弱小目标检测模型； 步骤5、将测试图片输入训练好的模型进行检测； 所述图像块嵌入模块包括一个中心差分卷积CDC和两个普通卷积Conv，这三个卷积操作的卷积核大小均为3×3，中心差分卷积的步长为1，普通卷积的步长为2；图像块嵌入模块将输入的红外图像依次通过一个中心差分卷积和两个普通卷积，进行初步特征提取，输出一个特征矩阵； 所述弱小目标检测模块包括编码器和解码器； 所述编码器分为4个阶段，每个阶段由数个基本特征提取模块组成，提取一个尺度上的特征，各阶段之间通过一个下采样模块相连； 所述解码器由全连接层、池化层、层标准化、激活层和上采样组成；第一步，解码器采用不同比率的池化层对编码器第4阶段输出的特征矩阵进行矩阵尺寸的压缩，生成4个不同尺寸的特征矩阵；对这4个特征矩阵分别利用全连接层、层标准化和激活层进行特征映射；最后，4个不同的特征矩阵采用不同比率进行上采样后，沿着通道维度进行矩阵拼接，生成一个新的特征矩阵；第二步，解码器对第一步中生成的特征矩阵和编码器第1、2、3阶段提取的特征采用不同比率进行上采样后，沿着通道维度进行矩阵拼接，依次经过全连接层、层标准化层、激活层进行特征再提取，最后输出一个目标像素为255、背景像素为0的二值图； 编码器分为4个阶段，每个阶段基本特征提取模块数量分别为2、2、6、2，提取一个尺度上的特征，各阶段之间通过一个下采样模块相连；每一阶段基本特征提取模块的输出是一个特征矩阵，输入则是上一阶段基本特征提取模块输出的特征矩阵；基本特征提取模块由自注意力计算模块和前馈网络组成，自注意力模块首先利用层标准化对输入的特征矩阵进行标准化，然后通过全连接层进行特征映射，生成一个特征矩阵Q，对Q进行两次复制，得到矩阵K、V；再对Q、K、V采用Bayer插值并重排列后生成Q′、K′、V′，Q′、K′、V′分别划分成4×4的小块后再分别重排列，即最后计算基于分块的自注意力矩阵，前馈网络是对自注意力模块输出的特征矩阵，通过全连接层和激活层进行特征提取，通过移位和残差连接扩大全连接层的感受野，增强模型的上下文理解能力，最后输出一个新的特征矩阵。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。