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！

龙图腾网获悉中国铁塔股份有限公司重庆市分公司申请的专利基于可选择卷积核网络及加权双向特征金字塔的小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：CN116051953B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211470248.5，技术领域涉及：G06V10/82；该发明授权基于可选择卷积核网络及加权双向特征金字塔的小目标检测方法是由万久地;潘纯洁;张前进;罗正岳;蒋波设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本基于可选择卷积核网络及加权双向特征金字塔的小目标检测方法在说明书摘要公布了：本发明涉及一种基于可选择卷积核网络及加权双向特征金字塔的小目标检测方法，属于深度学习目标检测领域，具体包括以下步骤：S1：对原始图像进行数据增强，采用自适应锚框计算预定义锚框，采用自适应图像缩放处理将图像缩放到同一尺寸，将处理后图像输入引入基于空间注意力的可选择卷积核网络的YOLOv5骨干网络中；S2：输入图像经过所述骨干网络进行多层特征提取得到不同层次特征；S3：使用BiFPN对不同层次特征进行跨层特征融合，得到多个融合特征；S4：在YOLOv5检测层增加一组小目标检测锚框，对多个融合特征进行小目标检测；S5：对改进后的网络模型进行训练，将数据集输入训练好的模型中对小目标进行检测。

本发明授权基于可选择卷积核网络及加权双向特征金字塔的小目标检测方法在权利要求书中公布了：1.一种基于可选择卷积核网络及加权双向特征金字塔的小目标检测方法，其特征在于：具体包括以下步骤： S1：对原始图像进行数据增强，采用自适应锚框计算预定义锚框，采用自适应图像缩放处理将图像缩放到同一尺寸，将处理后图像输入引入基于空间注意力的可选择卷积核网络的YOLOv5骨干网络中；步骤S1中所述引入基于空间注意力的可选择卷积核网络的YOLOv5骨干网络为：在可选择卷积核网络SKNet中融入空间注意力机制CoordinateAttention，得到将基于空间注意力的可选择卷积核网络CA-SKNet，再将CA-SKNet融入到C3卷积模块中，得到改进的YOLOv5骨干网络；在所述引入基于空间注意力的可选择卷积核网络的YOLOv5骨干网络中： 空间注意力机制对输入特征沿两个空间方向聚合特征，得到一对方向感知特征图，大小分别为C×H×1和C×1×W； 其中，C代表通道数，H为输入图像高度，W为输入图像宽度，xch,i代表特征图C×W×H中坐标为h,i的值，xcj,w代表特征图C×W×H中坐标为j,w的值，代表在W方向做平均池化结果，代表在H方向做平均池化结果； 两个大小分别为C×H×1和C×1×W的特征图拼接后经过卷积和归一化得到大小为的特征，后经过sigmoid激活函数将特征值放缩到0,1之间得到两个方向的权值； f＝δF1[zh,zw] gh＝σFhfh gw＝σFwfw 其中，δ代表非线性变换，F代表卷积操作，zh表示在W方向做平均池化结果，σ代表激活函数，zw表示在H方向做平均池化结果，Fh表示对fh做卷积处理，Fw表示对fw做卷积处理，f代表经过卷积和非线性变换后的结果，fh表示zh经过卷积和非线性变换后的结果，fw表示zw经过卷积和非线性变换后的结果，g代表经过激活函数得到的权值，gh表示fh经过卷积Fh和激活函数得到的权值，gw表示fw经过卷积Fw和激活函数得到的权值； 原始特征图加权计算得到宽度和高度方向带有注意力权重的特征图： xci,j代表原始特征图C×W×H中坐标为i,j的值，代表代表fh经过卷积和激活函数得到的权值，代表fw经过激活函数得到的权值，yci,j代表原始特征图和高度方向权重和宽度方向权重相乘后得到新特征图； S2：输入图像经过所述骨干网络进行多层特征提取得到不同层次特征； S3：使用加权双向特征金字塔网络BiFPN对不同层次特征进行跨层特征融合，得到多个融合特征； S4：在YOLOv5检测层增加一组小目标检测锚框，对多个融合特征进行小目标检测； 具体包括： 经骨干网络特征提取后共有四层特征，分别位于第二层、第四层、第六层和第九层； 第九层特征经过一次自下而上的上采样过程，并与骨干网络输出四层特征进行融合，在第十层、第十四层、第十八层、第二十层分别输出一个特征图； 第二十层特征图再经过一次自上而下的下采样过程，并与骨干网络输出四层，以及前一个上采样输出四层特征融合，在第二十一层、第二十四层、第二十七层、第三十层分别输出一个特征送入检测层进行检测； 在YOLOv5中增加一组小目标检测层，获取加权双向特征金字塔网络BiFPN输出的特征图后送入检测层进行小目标检测，增加小目标检测的精度；所述小目标检测层为：由四层检测层组成，不同尺寸的特征图用于检测不同尺寸的目标对象，分别检测加权双向特征金字塔网络输出的160×160、80×80、40×40、20×20的特征图；每个检测层输出相应的向量，最后生成原图像中目标的预测边界框和类别并进行标记； S5：对改进后的网络模型进行训练，将数据集输入训练好的模型中对小目标进行检测。

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国铁塔股份有限公司重庆市分公司，其通讯地址为：401120 重庆市渝北区黄山大道中段64号14幢；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。