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！

龙图腾网获悉河海大学申请的专利面向水面目标检测的轻量化卷积神经网络训练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：CN117151186B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311040726.3，技术领域涉及：G06N3/08；该发明授权面向水面目标检测的轻量化卷积神经网络训练方法及系统是由唐斌;马雪设计研发完成，并于2023-08-17向国家知识产权局提交的专利申请。

本面向水面目标检测的轻量化卷积神经网络训练方法及系统在说明书摘要公布了：本发明公开了一种面向水面目标检测的轻量化卷积神经网络训练方法及系统。所述方法包括：输入端输入水面漂浮垃圾数据集，并对输入网络的图像数据进行预处理操作；预处理后的图像进入骨干网络中进行特征提取，该骨干网络是由通道洗牌和深度可分离卷积两种卷积操作封装成的一组即插即用的轻量化卷积模块M‑Conv；提取特征后的图像输入到Neck端，Neck端的采用FPN+PAN的结构，并在两者之间通过自处理操作分离；特征融合之后的图像输入到预测端进行最终输出；根据上述网络结构，在输出端利用损失函数建立起端到端的训练，使网络收敛。本发明的网络能够满足在存储和计算都受限的边缘端对小目标检测的实时性和准确性的要求。

本发明授权面向水面目标检测的轻量化卷积神经网络训练方法及系统在权利要求书中公布了：1.一种面向水面目标检测的轻量化卷积神经网络训练方法，其特征在于，包括以下步骤： 获取水面漂浮垃圾数据集，该数据集包括训练集图像和验证集图像，并对输入网络的图像数据进行预处理操作； 预处理后的图像进入卷积神经网络，在网络输出端利用损失函数建立起端到端的训练，使网络收敛，其中卷积神经网络结构包括：输入端、骨干网络、Neck端、预测端，所述输入端输入预处理后的图像；所述骨干网络用于对输入的图像进行特征提取，所述骨干网络是由通道洗牌和深度可分离卷积两种卷积操作封装成的一组即插即用的轻量化卷积模块M-Conv；所述Neck端用于对提取的特征图进行特征融合；所述预测端用于根据融合之后的特征图进行最终检测结果预测和输出； 利用验证集图像对训练后的卷积神经网络模型进行校验； 其中，M-Conv模块通过使用均匀的通道洗牌操作将通道密集型卷积操作生成的信息渗透到深度可分离卷积生成的信息的每个部分，所述均匀的通道洗牌操作是指打乱原有的特征顺序后再进行重组，所述均匀的通道洗牌操作包括：将输入层分成g组，每一组输入特征图的通道数为n，则总通道数为g*n，将特征图展开成g*n*w*h的四维矩阵，其中w和h代表输入特征图的宽和高，沿着尺寸为g*n*w*h的矩阵的g轴和n轴进行转置，将g轴和n轴进行平铺后得到洗牌之后的特征图，最后进行组内1*1卷积； M-Conv模块的操作如下：假设输入特征图的通道数目为C1channels，首先进行一次3*3标准卷积进行处理得到C22channels的特征图，对这一步的输出进行均匀的通道洗牌操作，此操作只将通道均匀的打乱，并不改变特征图的通道数目，操作完之后的特征图仍然是C22channels，利用一次深度可分离卷积操作将上述的信息融合，得到C22channels的特征图；将上述两步的输入图在通道维度进行拼接最终得到C2channels的特征图，此时再一次将通道均匀打乱，进行步长为2的下采样处理，得到的特征图与首次下采样得到的C22channels特征图进行通道维度的拼接，得到最终C2channels的输出特征图。

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河海大学，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。