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一种基于多尺度特征增强的单帧红外弱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：CN119540526B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411588124.6，技术领域涉及：G06V10/25；该发明授权一种基于多尺度特征增强的单帧红外弱小目标检测方法是由彭冬亮;钱一任;谷雨设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于多尺度特征增强的单帧红外弱小目标检测方法在说明书摘要公布了：本发明公开了一种基于多尺度特征增强的单帧红外弱小目标检测方法，包括如下步骤：步骤1、获取单帧红外图像构建单帧红外图像数据集，并划分为训练集和测试集；步骤2、构建一个红外弱小目标检测网络模型，所述红外弱小目标检测网络以YOLOv5网络模型为基础网络，所述YOLOv5网络模型包括主干特征提取网络、特征融合网络和检测头；在所述主干特征提取网络中引入了多尺度特征增强模块，所述多尺度特征增强模块包括依次串联的上下文特征融合模块与特征细节增强模块；步骤3、设计训练策略，根据训练策略将训练集作为输入训练红外弱小目标检测网络模型；步骤4、完成训练后，输入测试集进行红外弱小目标检测网络模型的测试和评估。

本发明授权一种基于多尺度特征增强的单帧红外弱小目标检测方法在权利要求书中公布了：1.一种基于多尺度特征增强的单帧红外弱小目标检测方法，其特征在于，包括如下步骤： 步骤1、获取单帧红外图像构建单帧红外图像数据集，并划分为训练集和测试集； 步骤2、构建一个红外弱小目标检测网络模型，所述红外弱小目标检测网络以YOLOv5网络模型为基础网络，所述YOLOv5网络模型包括主干特征提取网络、特征融合网络和检测头； 在所述主干特征提取网络中引入了多尺度特征增强模块，所述多尺度特征增强模块包括依次串联的上下文特征融合模块与特征细节增强模块； 所述上下文特征融合模块包含块引导的上下文信息感知模块和序列卷积模块； 所述上下文特征融合模块中，给定一个特征通过块引导的上下文信息感知模块分别进行平均池化操作、最大池化操作和Conv操作来提取每个块的块内平均池化特征Favg、块内最大池化特征Fmax以及块内局部特征Flocal，然后分别将块内平均池化特征Favg和块内最大池化特征Fmax通过Nonlocal模块得到具有长距离交互的块间全局特征将两个块间全局特征进行通道拼接得到聚合全局特征Fglobal，聚合全局特征Fglobal和块内局部特征Flocal中的元素对应相乘得到全局和局部特征融合特征Ffusion，最后通过残差连接将原始输入特征F与融合特征Ffusion相加得到最终的特征F′； 所述块引导的上下文信息感知模块提取特征时，设置窗口大小的块为k×k，步长为s，特征表示为Fk′； 所述序列卷积模块为Bottleneck模块，由一个1×1Conv模块和一个3×3Conv模块以及残差连接组成，所述特征F经过序列卷积模块后得到的特征为Fseq；最后，块引导的上下文信息感知模块输出特征Fk′和序列卷积模块输出特征Fseq相加得到上下文特征融合模块的输出特征 所述特征细节增强模块包括一个细节增强卷积模块和CBAM注意力机制； 所述细节增强卷积模块包括标准卷积和差分卷积，所述差分卷积包括中心差分卷积CDC、角度差分卷积ADC、垂直差分卷积VDC和水平差分卷积HDC，上下文特征融合模块的输出作为输入并行的经过五个卷积，最后将五个分支的输出进行元素相加得到细节增强卷积模块的输出 所述CBAM注意力机制包括空间注意力和通道注意力，给定一个特征所述特征为细节增强模块的输出，先通过通道注意力，通道注意力在空间维度上分别进行全局平均池化和全局最大池化得到全局特征描述和将全局特征描述和分别输入到一个共享参数的两层全连接网络中，生成通道注意力向量，将这两个通道注意力向量相加后再通过sigmoid函数归一化生成最终的通道注意力权重将输入特征与通道注意力权重MC主通道相乘得到通道增强的特征图通道增强的特征图再经过空间注意力，空间注意力对通道增强的特征图在通道维度上进行通道平均池化和通道最大池化得到全局特征描述和将全局特征描述和在通道维度上拼接后再通过一个7×7的卷积核进行卷积操作并通过sigmoid归一化得到一个空间注意力图最后将通道增强的特征图与空间注意力图MS逐元素相乘得到空间增强的特征F″′； 步骤3、设计训练策略，根据训练策略将训练集作为输入训练红外弱小目标检测网络模型； 步骤4、完成训练后，输入测试集进行红外弱小目标检测网络模型的测试和评估。

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。