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！

龙图腾网获悉天津大学申请的专利一种基于改进YOLOV8n的交通设施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：CN119314125B 。

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：202411349207.X，技术领域涉及：G06V20/56；该发明授权一种基于改进YOLOV8n的交通设施检测方法是由吕卫;梁家乐;褚晶辉设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种基于改进YOLOV8n的交通设施检测方法在说明书摘要公布了：本发明涉及一种基于改进YOLOV8n的交通设施检测方法，包括步骤如下：经原始数据采集及处理，得到交通设施数据集；构建训练集和测试集；改进YOLOV8n模型，提出多尺度可变形增强的残差模块C2f‑MSDERM，并应用于主干网络部分；其中C2f‑MSDERM模块包含两个子模块：一个子模块为多尺度可变形卷积块MSDConvBlock；另一个子模块为TripletAttention注意力模块；对串行的多尺度可变形卷积块MSDConvBlock和TripletAttention注意力模块建立残差连接，即将经过TripletAttention注意力模块得到的增强特征图Z与输入MSDConvBlock的特征图X1进行相加，以保留原始特征信息并促进梯度传播；C2f‑MSDERM模块的输出经过SPPF模块处理，得到主干网络提取到的特征图。

本发明授权一种基于改进YOLOV8n的交通设施检测方法在权利要求书中公布了：1.一种基于改进YOLOV8n的交通设施检测方法，包括步骤如下： 步骤1：经原始数据采集及处理，得到交通设施数据集； 步骤2：对步骤1得到的数据集进行划分，构建训练集和测试集； 步骤3：改进YOLOV8n模型，提出多尺度可变形增强的残差模块C2f-MSDERM，并应用于主干网络部分；其中C2f-MSDERM模块包含两个子模块：一个子模块为多尺度可变形卷积块MSDConvBlock，输入特征图X1通过多尺度可变形卷积块MSDConvBlock，动态提取不同尺度和形状的目标的特征，得到多尺度特征图Y；另一个子模块为TripletAttention注意力模块，该模块通过三分支结构捕获跨维度的注意力权重，对MSDConvBlock提取到的特征进行增强，得到增强特征图Z；对串行的多尺度可变形卷积块MSDConvBlock和TripletAttention注意力模块建立残差连接，即将经过TripletAttention注意力模块得到的增强特征图Z与输入MSDConvBlock的特征图X1进行相加，以保留原始特征信息并促进梯度传播；C2f-MSDERM模块的输出经过SPPF模块处理，得到主干网络提取到的特征图；将主干网络提取到的特征图，输入到Neck颈部网络进行多尺度特征的融合，再进入Head头部网络完成目标检测与分类，方法为： 步骤3.1：输入图像经过主干网络的若干卷积层以及C2f模块来提取特征，得到特征图X；特征图X作为输入进入C2f-MSDERM模块，首先通过一个1×1的卷积层；再通过Split操作对特征图的通道进行分流处理得到特征图X1、X2，由Split输出的部分特征图X1进入后续多尺度可变形卷积块MSDConvBlock提取特征； 步骤3.2：由Split输出的部分特征图X1进入多尺度可变形卷积块MSDConvBlock，使用3×3的卷积层对输入特征图X1进行初步的特征提取，将输出通道数缩减为输入通道数的一半得到特征图a；特征图a通过并行可变形卷积层，分别通过三个并行的可变形卷积DCN模块分支来同步提取特征；特征图a通过第一个并行分支即1×1的动态卷积层DCN得到输出b，对特征图a通过第二个并行分支即3×3的动态卷积层DCN得到输出c，对特征图a通过第三个并行分支即5×5的动态卷积层DCN得到输出d；三个并行分支的输出{b,c,d}，再通过Concat操作进行通道融合，融合后的输出为e，e通过一个1×1的卷积层输出多尺度特征图YC×H×W； 步骤3.3：由可变形卷积块MSDConvBlock输出的多尺度特征图Y输入给TripletAttention注意力模块，由TripletAttention注意力模块将特征进一步增强，得到增强特征图Z；TripletAttention注意力模块通过三分支结构捕获跨维度的注意力权重，对特征图进行增强； 步骤3.4：设TripletAttention注意力模块输出的增强特征图Z后，建立增强特征图Z与MSDConvBlock输入特征图X1的残差连接；将经过增强的特征图Z与输入特征图X1进行相加得到输出特征图U，以保留原始特征信息并促进梯度传播； 步骤3.5：将特征图U与Split输出的部分特征图X2进行Concat操作，在通道维度上进行拼接，拼接后经过1×1的卷积层得到C2f-MSDERM模块最终的输出；C2f-MSDERM模块的输出经过SPPF模块处理，得到主干网络提取到的特征图； 步骤3.6：将主干网络提取到的特征图，输入到Neck颈部网络进行多尺度特征的融合，再进入Head头部网络完成最终的目标检测与分类； 步骤4：采用CIoU损失函数，引入预测边界框与真实边界框的长宽比；使得预测框能够更精确地匹配真实框的形状和大小，提高目标定位的准确性； 步骤5：对模型进行训练和测试，得到优化的网络模型。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。