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！

龙图腾网获悉杭州电子科技大学申请的专利融合局部先验和多尺度全局背景的红外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：CN120673047B 。

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：202511178654.8，技术领域涉及：G06V10/25；该发明授权融合局部先验和多尺度全局背景的红外小目标检测方法是由秦飞巍;朱翔骏;王昌淼;白静;樊谨设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本融合局部先验和多尺度全局背景的红外小目标检测方法在说明书摘要公布了：本发明公开了融合局部先验和多尺度全局背景的红外小目标检测方法，该方法首先获取包含红外图像及其对应掩码标签的图像数据，并进行预处理。其次构建编码器‑解码器架构的目标检测模型，编码器包含并行的局部细节先验挖掘分支与多尺度全局背景感知分支，对预处理后的图像数据进行逐级特征提取，解码器包含渐进式特征融合解码分支，将编码器双分支的各级特征输入解码器分支逐级解码得到检测结果。最后训练中引入加权深度监督机制，在多个解码层设置辅助预测输出并计算加权损失。本发明解决现有方法对局部细节建模不足、Mamba的多尺度全局背景感知不足以及全局与局部特征融合困难等问题，提高了红外小目标的检测精度。

本发明授权融合局部先验和多尺度全局背景的红外小目标检测方法在权利要求书中公布了：1.融合局部先验和多尺度全局背景的红外小目标检测方法，其特征在于，包括如下步骤： 步骤1、获取包含红外图像及其对应的二值掩码标签的图像数据，并进行预处理； 步骤2、构建编码器-解码器架构的目标检测模型，编码器包含并行的局部细节先验挖掘分支与多尺度全局背景感知分支，解码器包含渐进式特征融合解码分支，对预处理后的图像数据，进行逐级特征提取与逐级解码得到检测结果； 所述目标检测模型具体实现如下： 步骤2.1、构建局部细节先验挖掘分支，该分支由层细节可捕捉卷积块串联构成，提取目标-背景像素对比差异、目标边缘梯度变化的先验信息；该分支接受的输入为红外图像，第后输出一个局部特征图 所述局部细节先验挖掘分支具体实现为：该分支由层细节可捕捉卷积块串联构成；细节可捕捉卷积块内部先经过一个基本卷积块对特征维度进行扩充，随后特征输入并行的一个原始卷积核与四个差分卷积核，各卷积结果经相加融合后经过一个批归一化和ReLU激活函数处理输出局部特征图； 步骤2.2、构建多尺度全局背景感知分支，该分支由层多尺度Mamba块串联构成，实现不同尺度背景语义信息的感知与融合；该分支接受的输入为红外图像，图像经过分块展开操作后输入串联的，第层后经过分块合并操作输出一个全局特征图； 所述多尺度全局背景感知分支具体实现为：该分支由层多尺度Mamba块串联构成，多尺度Mamba块内部首先使用一个深度可分离卷积块进行通道扩充，随后使用一个视觉状态空间块，用以通过其中的二维选择性扫描算子的状态空间机制建模长程依赖关系，分别沿水平和垂直方向对输入特征图执行状态递推，随后在经过一个线性层和GELU激活函数完成全局状态感知；在完成全局状态感知后，该视觉状态空间块后面串联接上三个并行的不同尺度的深度可分离卷积块，卷积核大小逐级递增，三个并行的输出特征图通过相加融合，最后使用另一个线性层进行整合得到输出； 步骤2.3、构建渐进式融合解码分支，该分支由层特征融合解码模块串联构成，逐步恢复空间分辨率并生成目标掩码；第层逐级对应接收并融合一个来自多尺度全局背景感知分支的特征图、一个局部细节先验挖掘分支的特征图和一个下层的融合解码输出特征图，其中第层接收的下层融合解码输出是通过将与先后经过拼接、基本卷积块、SE注意力机制和另一个基本卷积块处理后得到的，输出一个本层的融合解码特征图； 步骤3、在目标检测模型训练中引入加权深度监督机制：在多个解码层设置辅助预测输出，并分别计算加权损失，形成多级监督信号。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。