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！

龙图腾网获悉中南大学申请的专利一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测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：CN120070858B 。

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：202510136326.5，技术领域涉及：G06V10/25；该发明授权一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测系统是由许雪梅;范文源;付一品;朱泽涵;姚叶霞;周宇航;林斌;程佑康设计研发完成，并于2025-02-07向国家知识产权局提交的专利申请。

本一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测系统在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体公开了一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测模型，包括骨干网络、特征融合模块、检测头、轻量化模块和自监督学习模块，该模型在YOLOv7‑tiny基础上进行改进，采用FasterNet作为骨干网络，并在每个卷积层后集成卷积块注意力模块CBAM。特征融合模块Neck引入特征金字塔网络FPN结构，优化多尺度特征融合效果。此外，通过自监督学习方法如SimCLR对骨干网络进行预训练。模型通过通道剪枝和通道蒸馏技术实现轻量化。本发明采用上述一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测模型，在保持高检测精度的同时，显著减少了模型参数和推理时间，具备良好的实际应用价值。

本发明授权一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测系统在权利要求书中公布了：1.一种集成注意力机制、优化特征融合及自监督学习的轻量化目标检测系统，其特征在于：包括骨干网络Backbone、特征融合模块Neck、检测头DetectionHead、轻量化模块和自监督学习模块； 骨干网络为FasterNet架构，并在架构中的部分卷积PConv层和逐点卷积PWConv层集成卷积块注意力模块CBAM，用于增强通道和空间特征的关注能力； 特征融合模块引入特征金字塔网络FPN结构，并与OD-SlimNeck模块结合，优化多尺度特征的融合效果； 检测头为解耦检测头DecoupledHead，解耦检测头包括独立的分类分支和定位分支，分别用于处理目标类别的预测和目标位置的预测； 轻量化模块，通过通道剪枝和通道蒸馏技术，减少模型参数量； 自监督学习模块，采用对比学习法对骨干网络Backbone进行预训练。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。