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！

龙图腾网获悉中山大学申请的专利一种基于感受野优化与混合卷积特征融合的交通标志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：CN119007162B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411150178.4，技术领域涉及：G06V20/58；该发明授权一种基于感受野优化与混合卷积特征融合的交通标志检测方法是由陈俊周;黄贺强设计研发完成，并于2024-08-21向国家知识产权局提交的专利申请。

本一种基于感受野优化与混合卷积特征融合的交通标志检测方法在说明书摘要公布了：本发明公开了一种基于感受野优化与混合卷积特征融合的交通标志检测方法，方法包括：获取交通标志牌图片，构建原始数据集；将原始数据集划分为训练集、测试集以及验证集；构建网络模型，网络模型包括特征提取网络、特征融合网络和预测输出网络三部分；根据训练集，设置网络模型的初始学习率，学习率衰减方式、训练次数，采用SGD优化器对网络参数进行优化，训练网络模型；将待检测图片输入训练好的网络模型中进行交通标志牌的检测，输出待检测图片中交通标志牌的具体位置和类别信息。本发明实施例基于优化感受野与混合卷积特征融合，高效地提高了模型的精度和速度，提升了多尺度目标检测的准确，可广泛应用于智能交通技术领域。

本发明授权一种基于感受野优化与混合卷积特征融合的交通标志检测方法在权利要求书中公布了：1.一种基于感受野优化与混合卷积特征融合的交通标志检测方法，其特征在于，包括以下步骤： 获取交通标志牌图片，并对每张图片中的交通标志牌进行标注，构建原始数据集； 将所述原始数据集划分为训练集、测试集以及验证集，并且处理为统一尺寸大小； 构建网络模型，所述网络模型包括特征提取网络、特征融合网络和预测输出网络三部分； 根据所述训练集，设置网络模型的初始学习率，学习率衰减方式、训练次数，采用SGD优化器对网络参数进行优化，训练所述网络模型； 将待检测图片输入训练好的所述网络模型中进行交通标志牌的检测，输出所述待检测图片中交通标志牌的具体位置和类别信息; 所述构建网络模型，包括以下步骤： 在所述特征提取网络中，通过P1层提取极小型标志牌特征，并通过P2层、P3层、P4层、P5层分别提取尺寸逐渐变大的标志牌特征； 在所述特征融合网络中，将网络深层特征信息进行融合得到补充层信息，得到一个拥有丰富上下文信息的高分辨率特征图； 在所述预测输出网络中，通过使用YOLO系列的Anchor-free的检测方法，通过在一个拥有丰富上下文信息的高分辨率特征图上进行多尺度目标的预测，得到输入图片中交通标志牌的具体位置和类别信息; 在所述特征融合网络中，通过结合标准卷积和膨胀卷积的AGRFM模块，保持特征映射的连续性来对小目标进行特征提取。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。