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！

龙图腾网获悉山东理工大学申请的专利一种红外小目标检测方法、系统、电子设备及介质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：CN119741480B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411927854.4，技术领域涉及：G06V10/25；该发明授权一种红外小目标检测方法、系统、电子设备及介质是由李东兴;缪寅宵;聂苏珍;黎雄威;李文睿;盛云龙;郈海源;杨思婷;石珂设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种红外小目标检测方法、系统、电子设备及介质在说明书摘要公布了：本发明提供了一种红外小目标检测方法、系统、电子设备及介质，属于目标检测技术领域。该方法首先对红外图像进行预处理并划分为训练集和测试集，然后利用包含第一通道和第二通道的混合注意力网络模型进行特征提取。第一通道捕捉全局信息，第二通道则提取目标边缘细节。特征图经过融合和上采样后，利用损失函数优化网络参数，最终得到最优模型。本发明采用上述的一种红外小目标检测方法、系统、电子设备及介质，能有效提升红外小目标的检测性能。

本发明授权一种红外小目标检测方法、系统、电子设备及介质在权利要求书中公布了：1.一种红外小目标检测方法，其特征在于，包括以下步骤： S1、获取红外小目标图像及其真实标签图像并进行预处理，得到预处理后的数据集，将预处理后的数据集划分为训练集和测试集； S2、构建基于编码器和解码器结构的混合注意力双通道特征提取网络模型，将训练集中预处理后的图像输入到混合注意力双通道特征提取网络模型； S21、预处理后的图像同时经过第一通道和第二通道，分别输出第一特征图和第二特征图，然后通过特征融合模块将第一特征图和第二特征图进行融合，得到融合后的特征图； S22、第一通道中的卷积注意力融合模块还输出第三特征图； S23、融合后的特征图进入多级特征融合上采样模块与同一级的第三特征图进行拼接，得到拼接后的特征图，并最终输出预测图像； S3、将预测图像的像素值和真实标签图像像素值的差异作为损失函数，训练优化网络模型参数，得到最优模型； S4、用最优模型对测试集进行预测得到预测结果； 第一通道包括依次连接的第一模块、第二模块、第三模块、第四模块，第二通道包括依次连接的第五模块、第六模块、第七模块、第八模块； 步骤S21中，预处理后的图像同时经过第一通道和第二通道，分别输出第一特征图和第二特征图，具体操作如下： S211、第一通道的特征输入到第一模块，经过一个卷积核大小为3×3的卷积层、一个BN层和一个激活函数ReLU得到，再经过一个卷积核大小为3×3的卷积层、一个BN层，再输入混合注意力模块得到，再经过卷积核大小为1×1卷积层、BN层，得到的结果再经过激活函数ReLU，得到第三特征图，再经过最大池化层后输出结果，即第一特征图，具体计算过程如公式1所示： 1； 其中，表示输入特征，其特征大小为C×H×W，其中C表示通道数，H表示高度，W表示宽度；表示卷积核大小为3×3的卷积层；表示卷积核大小为1×1卷积层；表示批归一化层；Maxpool表示最大池化层；表示混合注意力模块； 表示第一模块输出的第三特征图； S212、将上一模块输出的结果依次输入到下一模块，直到第四模块输出结果； S213、第二通道的特征输入到第五模块，首先经过一个7×7深度卷积层进行计算，随后通过层归一化进行标准化，接着通过逐点卷积和激活函数GELU计算得到中间特征，中间特征再经过逐点卷积层，随后应用Layerscale、Droppath处理，并与输入特征进行求和，得到特征图，特征图再经过下采样得到输出结果，具体计算过程如公式2所示： 2； 其中，表示卷积核大小为7×7的深度卷积层；表示逐点卷积，卷积核大小为1×1；表示下采样； S214、将上一模块输出的结果依次输入到下一模块，直到第八模块输出结果，即第二特征图。

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山东理工大学，其通讯地址为：255000 山东省淄博市张店区新村西路266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”。

以上内容由龙图腾AI智能生成。