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！

龙图腾网获悉武汉轻工大学申请的专利目标检测方法、装置、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：CN116704505B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310580293.4，技术领域涉及：G06V20/70；该发明授权目标检测方法、装置、设备及存储介质是由王周璞;胡婧;吴素崟;樊闯;阮靖琳设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本目标检测方法、装置、设备及存储介质在说明书摘要公布了：本发明公开了一种目标检测方法、装置、设备及存储介质，该方法包括：获取待检测图像以及初始数据集；对初始数据集进行图像预处理，得到预处理后的数据集；基于YOLOv7网络构建初始目标检测模型，将初始目标检测模型的主干网络替换为改进的ConvNextv2结构，在初始目标检测模型的颈层网络中加入CA注意力机制，并将初始目标检测模型的头部网络中的检测头替换为解耦检测头，得到改进的目标检测模型；通过预处理后的数据集对改进的目标检测模型进行训练，得到优化的目标检测模型；根据优化的目标检测模型对待检测图像进行检测，得到检测结果。解决了当前小目标检测精度低，模型性能易受干扰的问题，提升小目标检测的精度。

本发明授权目标检测方法、装置、设备及存储介质在权利要求书中公布了：1.一种目标检测方法，其特征在于，所述方法包括： 获取待检测图像以及初始数据集； 对所述初始数据集进行图像预处理，得到预处理后的数据集； 基于YOLOv7网络构建初始目标检测模型，将所述初始目标检测模型的主干网络替换为改进的ConvNextv2结构，在所述初始目标检测模型的颈层网络中加入CA注意力机制，并将所述初始目标检测模型的头部网络中的检测头替换为解耦检测头，得到改进的目标检测模型，其中，所述改进的ConvNextv2结构是基于ConvNextv2结构构建并将所述ConvNextv2结构的下采样层替换为SPD模块得到的，所述ConvNextv2结构中包括全局响应归一化层； 通过所述预处理后的数据集对所述改进的目标检测模型进行训练，得到优化的目标检测模型； 根据所述优化的目标检测模型对所述待检测图像进行检测，得到检测结果； 其中，所述通过所述预处理后的数据集对所述改进的目标检测模型进行训练，得到优化的目标检测模型，包括： 将所述预处理后的数据集中的图像输入至所述改进的目标检测模型的改进的ConvNextv2结构进行特征提取，得到参考特征图，其中，所述改进的ConvNextv2结构包括SPD模块、卷积层以及全局响应归一化层，所述卷积层包括深度卷积和一维卷积； 将所述参考特征图输入至所述改进的目标检测模型的颈层网络进行编码，得到目标特征图，其中，所述颈层网络包括CA注意力机制； 将所述目标特征图输入至所述改进的目标检测模型的头部网络进行检测，输出标记框以及分类标签； 根据所述标记框以及分类标签确定目标损失函数； 通过所述目标损失函数优化所述改进的目标检测模型的参数，得到优化的目标检测模型； 其中，所述将所述预处理后的数据集中的图像输入至所述改进的目标检测模型的改进的ConvNextv2结构进行特征提取，得到参考特征图，包括： 对所述预处理后的数据集中的图像进行特征提取，得到原始特征图； 通过所述改进的ConvNextv2结构中的SPD模块对所述原始特征图进行切片操作，得到若干数量的子特征图； 按照通道维度连接所述若干数量的子特征图，得到中间特征图； 将所述中间特征图进行输入至所述卷积层进行深度卷积后进行一维卷积，得到卷积特征图； 将所述卷积特征图输入至所述全局响应归一化层进行聚合处理，得到参考特征图。

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武汉轻工大学，其通讯地址为：430000 湖北省武汉市汉口常青花园学府南路68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。