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！

龙图腾网获悉南京邮电大学申请的专利一种小型人脸检测方法、电子设备及存储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：CN119445633B 。

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：202411574556.1，技术领域涉及：G06V40/16；该发明授权一种小型人脸检测方法、电子设备及存储介质是由葛琦;朱磊设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种小型人脸检测方法、电子设备及存储介质在说明书摘要公布了：本发明涉及图像处理技术领域，具体为一种小型人脸检测方法、电子设备及存储介质，包括：选取人脸图像数据集，对所述人脸图像数据集中的图片进行预处理；将预处理后的图片输入至深度学习网络模型，所述深度学习网络模型包括Backbone网络、Neck网络和Head部分；设置适合所述深度学习网络模型的损失函数，训练并调整模型参数；将待检测的小型人脸图像输入至最优网络模型，输出小型人脸图像检测结果图，所述最优网络模型为将模型参数调整至最优后的深度学习网络模型；选择性状态空间模型的引入作为一种创新技术，在具有较强的全局特征提取能力的同时，有效地减轻了模型的计算负担。

本发明授权一种小型人脸检测方法、电子设备及存储介质在权利要求书中公布了：1.一种小型人脸检测方法，其特征在于：所述方法包括： 选取人脸图像数据集，对所述人脸图像数据集中的图片进行预处理； 将预处理后的图片输入至深度学习网络模型，所述深度学习网络模型包括Backbone网络、Neck网络和Head部分； 设置适合所述深度学习网络模型的损失函数，训练并调整模型参数； 将待检测的小型人脸图像输入至最优网络模型，输出小型人脸图像检测结果图，所述最优网络模型为将模型参数调整至最优后的深度学习网络模型； 其中，所述Backbone网络，包括：stemLayer、stageLayer1、stageLayer2、StageLayer3和StageLayer4； 所述stemLayer由CBS模块作为网络模型的入口，所述CBS模块由卷积层、BN层和激活函数组成；所述卷积层通过卷积操作提取局部空间特征，并对特征图做下采样便于后续阶段处理；所述BN层用于对卷积层的输出进行归一化处理，以稳定训练过程；所述激活函数用于引入非线性变换，增强网络的表达能力，实现对输入特征的高效转换与提取； 所述stageLayer1由CBS模块，EVSS模块以及C2f模块组成；所述EVSS模块用于在保持计算效率的前提下，协同整合全局与局部特征表示；所述C2f模块用于通过一个卷积层生成特征图，然后将这些特征图分为两部分，一部分直接跳跃连接到输出层，另一部分通过多个Bottleneck模块进一步提取特征； 所述StageLayer2和StageLayer3均由CBS模块以及C2f模块组成； 所述StageLayer4由CBS模块、C2f模块和SPPF模块组成；所述SPPF模块由并联结构变为串联结构，其卷积核大小皆为5*5；其中两个5*5卷积核串联会得到9*9大小的卷积核感受野，三个5*5大小的卷积核串联会得到13*13大小的卷积核感受野； 所述stageLayer1中的EVSS模块，包括：两个主要分支； 所述两个主要分支中，第一个主要分支通过ES2D模块，提取图像中的全局上下文信息；第二主要分支通过专门设计的卷积网络分支，用于捕捉关键的局部细节，该卷积网络由1个3*3的深度可分离卷积和1*1的卷积构成； 其中，所述两个主要分支的输出均通过SE模块，以自适应地调整各特征的权重，从而增强重要特征并抑制冗余信息；所述ES2D模块提供智能跳跃扫描机制，所述智能跳跃扫描机制用于不交叉扫描给定特征图的特征块；其中特征图经过扫描后展开成4个序列，随后使用S6模块并行处理每个序列，最后合并形成输出图。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。