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！

龙图腾网获悉河海大学;华能澜沧江水电股份有限公司申请的专利基于特征融合与检测头协同优化的无人机目标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：CN119478742B 。

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：202411599072.2，技术领域涉及：G06V20/17；该发明授权基于特征融合与检测头协同优化的无人机目标检测方法是由缪新铖;迟福东;潘祯祥;陈时;毛莺池;王彦芳;张鹏;聂兵兵;高金林;戚荣志;严婉玉;贾璐瑶设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本基于特征融合与检测头协同优化的无人机目标检测方法在说明书摘要公布了：本发明公开一种基于特征融合与检测头协同优化的无人机目标检测方法，利用由卷积模块CBS和残差模块C2f堆叠的骨干网络获得多尺度的特征图，将多种尺度的特征图依次输送到多层级特征融合模块ML‑FFM，从深层到浅层进行特征融合，增强浅层特征的语义信息；将融合后的特征图输入精细化特征增强模块RFEM，基于时空注意力机制消除位置冲突和冗余信息，优化深层特征的细节和定位能力；将增强后的特征图送入基于Transformer的预测头进行检测，完成无人机航拍图像的目标分类和定位。本发明解决了无人机航拍图像尺度变化大，以及小目标占比高且分布密集的问题，从而提高了无人机航拍图像中目标检测的精度。且方法中提出的模块能显著降低计算量，适用于无人机的实时检测场景。

本发明授权基于特征融合与检测头协同优化的无人机目标检测方法在权利要求书中公布了：1.一种基于特征融合和检测头协同优化的无人机目标检测方法，其特征在于，包括如下步骤： 1对输入的无人机航拍影像进行特征提取，利用由卷积模块CBS和残差模块C2f堆叠的骨干网络获得多尺度的特征图； 2将提取到多尺度特征一起输送到多层级特征融合模块ML-FFM中，从深层向浅层进行高中低层的特征融合，得到融合后的特征图，所述融合后的特征图包括极小尺度特征、低级特征、中级特征和高级特征； 3将融合后的特征图输入精细化特征增强模块RFEM，基于时空注意力机制消除位置冲突和冗余信息，优化深层特征的细节和定位能力，得到增强后的特征图； 4将增强后的特征图送入基于Transformer的预测头进行检测，完成无人机航拍图像的目标分类和定位； 所述步骤3的具体实现步骤如下： 3.1将极小尺度特征送入基于SwinTransformer的C3STR模块中，通过自注意力机制增强特征图的空间和语义表达能力，输出特征增强后的极小尺度特征； 3.2利用最低层级多层级特征融合模块ML-FFM的深度可分离卷积提取小目标密集区域的类无关掩码图； 3.3将步骤3.1得到的特征增强后的极小尺度特征与多层级特征融合模块ML-FFM输出的低级特征进行拼接，随后将拼接结果送入基于Transformer的C3TR模块中，提取上下文语义特征信息； 3.4将基于Transformer的C3TR模块的输出结果作为输入特征送入轻量级的卷积注意力模块CBAM中，CBAM会沿着通道和空间两个独立维度依次推导注意力图，然后将注意力图与输入特征相乘； 3.5CBAM模块的输出经由一个卷积模块CBS调整特征图的尺度，得到增强后的小尺度特征； 3.6以特征融合后的中级特征和步骤3.5得到的增强后的小尺度特征作为步骤3.3的输入，重复步骤3.3至步骤3.5，使用精细化特征增强模块RFEM自下而上对不同层级的特征图进行增强处理，得到特征增强后的不同尺度的特征图，分别是极小尺度特征、小尺度特征、中尺度特征和大尺度特征 所述基于Transformer的预测头进行检测，完成无人机航拍图像的目标分类和定位，具体步骤如下： 4.1对于步骤3.6极小尺度的特征，通过基于Transformer的稀疏预测头Sparse-TPH来检测目标；Sparse-TPH只对步骤3.2得到的掩码图中超过阈值的目标特征块进行检测，而对于非目标特征块，Sparse-TPH采用稀疏卷积来减少在背景上的计算浪费； 4.2对于小、中、大三种尺度的特征图，通过对应尺度基于Transformer的预测头TPH来检测目标。

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河海大学;华能澜沧江水电股份有限公司，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。