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！

龙图腾网获悉浙江大学申请的专利一种基于TFA-YOLO11的轻量化无人机航拍图像小目标检测方法及系统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：CN119810409B 。

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：202411856884.0，技术领域涉及：G06V10/25；该发明授权一种基于TFA-YOLO11的轻量化无人机航拍图像小目标检测方法及系统是由厉小润;张志豪;陈淑涵设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于TFA-YOLO11的轻量化无人机航拍图像小目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于TFA‑YOLO11的轻量化无人机航拍图像小目标检测方法及系统，涉及目标检测领域。方法包括：数据集获取及数据增强；构造TFA‑YOLO11网络模型；利用数据增强后的数据集对所述神经网络进行训练，得到训练好的所述神经网络；利用训练好的模型对待检测图像进行检测。本发明基于多头自注意力机制，着重挖掘相邻特征之间的互补信息，设计了特征聚合模块，能够更好地融合不同尺度特征图的空间、语义信息；本发明基于高分辨率特征图，设计了极小目标检测模块，能够增强网络对极小目标的感知能力；本发明基于SPD卷积设计了轻量化的主干、颈部网络，能够在没有信息损失的情况下以更小的参数量和计算量实现下采样。

本发明授权一种基于TFA-YOLO11的轻量化无人机航拍图像小目标检测方法及系统在权利要求书中公布了：1.一种基于TFA-YOLO11的轻量化无人机航拍图像小目标检测方法，其特征在于，包括以下步骤： 步骤1：获取无人机航拍图像数据集并进行数据增强； 步骤2：构建TFA-YOLO11网络模型； 所述TFA-YOLO11网络模型包括主干网络、颈部网络、基于Transformer的特征聚合模块、极小目标检测模块和检测头模块；所述主干网络用于对输入图像进行多级下采样和特征提取得到多层特征图；所述特征聚合模块用于对多层特征图进行相邻层特征图的特征聚合，得到多个不同尺度的高质量聚合特征图；所述颈部网络和极小目标检测模块共同构成特征金字塔结构，通过特征金字塔结构对不同尺度的高质量聚合特征图进行特征融合，使得到的最终特征图具有其他尺度聚合特征图的特征信息；除构成特征金字塔结构的部分以外，极小目标检测模块还包括极小目标检测头，用于对空间分辨率最高的最终特征图进行小目标的检测；除空间分辨率最高的最终特征图外，其他最终特征图通过检测头模块进行目标检测； 步骤3：应用数据增强后的数据集对TFA-YOLO11网络模型进行训练，得到训练好的TFA-YOLO11网络模型； 步骤4：利用训练好的TFA-YOLO11网络模型对待检测的无人机航拍图像进行检测，获得待检测的图像上所有目标的位置和类别； 具体地，步骤2中所述对多层特征图进行相邻层特征图的特征聚合，具体包括： 对于多层特征图中相邻的每三个特征图Pi-1、Pi和Pi+1执行步骤a-d： a通过上采样和下采样，将相邻的三个特征图中分辨率较小的特征图Pi+1和分辨率较大的特征图Pi-1的尺度向中间的特征图Pi对齐，得到尺度对齐后的三个特征图Xi-1、Xi和Xi+1； b将尺度对齐后的三个特征图Xi-1、Xi和Xi+1分别通过层特征聚合模块进行特征聚合，得到各自的聚合特征向量Mi-1、Mi、Mi+1，所述层特征聚合模块为通道注意力模块； c将三个聚合特征向量通过Transformer编码器实现跨层信息交互，得到跨层交互后的聚合特征向量M′i-1、M′i、M′i+1；将跨层信息交互后的聚合特征向量作为通道注意力权重，作用到该层级尺度对齐后的特征图上，并结合残差连接得到跨层信息交互后的特征图X′i-1、X′i、X′i+1，表达式如下： X′i-1＝M′i-1⊙Xi-1+Xi-1 X′i＝M′i⊙Xi+Xi X′i+1＝M′i+1⊙Xi+1+Xi+1 d将三个跨层信息交互后的特征图按通道维连接，通过1×1卷积实现通道维的特征融合并降维到原始通道数，得到所述基于Transformer的特征聚合模块最终输出的高质量聚合特征图Xfuse； 对多层特征图中所有特征图执行步骤a-d后得到多个分辨率不同的高质量聚合特征图； 所述颈部网络包括第一上采样模块、第二上采样模块、第一下采样模块和第二下采样模块，所述极小目标检测模块包括第三上采样模块、第三下采样模块和极小目标检测头，三个上采样模块和三个下采样模块共同构成特征金字塔结构，三个上采样模块构成特征金字塔结构的由下至上路径，用于将深层特征图的语义信息传递至浅层特征图，三个下采样模块构成特征金字塔结构的由上至下路径，用于将浅层特征图的空间位置信息传递至深层特征图； 上采样模块均包括上采样层、拼接层和C3k2层，用于将所述特征聚合模块输出的高质量聚合特征图进行上采样、拼接和特征融合；所述下采样模块均包括SPD卷积层、拼接层和C3k2层，用于将所述上采样模块输出的特征图进行下采样、拼接和特征融合； 所述特征聚合模块输出的高质量聚合特征图共四个；所述的通过特征金字塔结构对不同尺度的高质量聚合特征图进行特征融合，具体为： 所述特征聚合模块输出的多个高质量聚合特征图中分辨率最低的高质量聚合特征图先进入第一上采样模块，在第一上采样模块中进行上采样，并与分辨率次低的高质量聚合特征图拼接后通过C3k2层融合特征； 第一上采样模块输出的特征图进入第二上采样模块，在第二上采样模块中进行上采样，并与分辨率次高的高质量聚合特征图拼接后通过C3k2层融合特征； 第二上采样模块输出的特征图进入第三上采样模块，在第三上采样模块中进行上采样，并与分辨率最高的高质量聚合特征图拼接后通过C3k2层融合特征； 第三上采样模块输出的最终特征图一方面送入所述极小目标检测头，另一方面送入第三下采样模块；在第三下采样模块中，对第三上采样模块输出的特征图进行下采样，并与第二上采样模块输出的特征图拼接后通过C3k2层融合特征； 第三下采样模块输出的特征图进入第二下采样模块，在第二下采样模块中进行下采样，并与第一上采样模块输出的特征图拼接后通过C3k2层融合特征； 第二下采样模块输出的特征图进入第一下采样模块，在第一下采样模块中进行下采样，并与分辨率最低的高质量聚合特征图拼接后通过C3k2层融合特征；三个下采样模块输出的特征图均送入检测头模块。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。