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！

龙图腾网获悉南京航空航天大学申请的专利一种基于加权注意力机制的密集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：CN119693773B 。

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：202411869337.6，技术领域涉及：G06V10/82；该发明授权一种基于加权注意力机制的密集小目标检测方法及系统是由张子建;胡佳琦;董洋洋;张明宇设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于加权注意力机制的密集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加权注意力机制的密集小目标检测方法及系统，包括对输入图像进行特征提取，通过多个卷积层Conv1、Conv2等逐步提取低级和高级特征，得到一组特征图；引入多尺度特征融合策略，对图像中密集小目标进行精确定位；在多尺度特征融合策略基础上，引入加权注意力机制，得到最终的加权特征图；对传统目标检测的损失函数进行优化，强化了密集小目标的检测能力。本发明通过上述改进策略，显著提升了对密集小目标的检测能力。在公开数据集上的实验结果表明，本发明的算法在精度和召回率上均优于现有方法，尤其是在密集小目标检测场景中表现突出。同时，该算法具有较高的计算效率，适合在实际场景中推广应用。

本发明授权一种基于加权注意力机制的密集小目标检测方法及系统在权利要求书中公布了：1.一种基于加权注意力机制的密集小目标检测方法，其特征在于，包括： 对输入图像进行特征提取，通过多个卷积层逐步提取低级和高级特征，得到一组特征图； 引入多尺度特征融合策略，对图像中密集小目标进行精确定位； 在多尺度特征融合策略基础上，引入加权注意力机制，得到最终的加权特征图； 对传统目标检测的损失函数进行优化，强化了密集小目标的检测能力； 经过多尺度特征融合策略后的特征为，融合过程定义为： 其中表示将特征图调整为统一的分辨率为第层特征图的融合权重； 所述加权注意力机制中通道注意力和空间注意力的定义分别为： 其中是Sigmoid函数，表示全局平均池化，和是通道注意力的可学习参数，表示卷积操作，为空间注意力的卷积核权重，通道注意力关注不同通道的特征重要性，空间注意力聚焦于特征图的关键位置； 所述传统目标检测的损失函数通常由分类损失和定位损失组成： ； 其中，目标框集合为，对应的预测框集合为，为目标框权重，面积较小的目标框权重更高，强化模型对小目标进行学习； 所述输入图像为，其中和分别表示图像的高度、宽度和通道数； 经过特征提取后，得到一组特征图，其中是第层特征图，为特征图层数； 所述最终的加权特征图为： ； 其中·表示逐元素乘法操作，加权特征图有效地增强小目标的显著性，同时抑制背景噪声； 所述优化后的损失函数为： ； 其中，为加权IoU损失的平衡系数。

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南京航空航天大学，其通讯地址为：211100 江苏省南京市江宁区将军大道29号南京航空航天大学将军路校区；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。