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！

龙图腾网获悉东南大学申请的专利一种基于多特征并行混合的航拍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：CN116824408B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310779784.1，技术领域涉及：G06V20/17；该发明授权一种基于多特征并行混合的航拍小目标检测方法是由路小波;杨晨悦设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种基于多特征并行混合的航拍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特征并行混合的航拍小目标检测方法，该方法包括：将最大池化引入自校正卷积中，强化对局部特征及上下文信息的识别；借助量子思想，在视觉多层感知机领域，将分割后得到的token之间的关系看作波函数的聚合，用最大池化生成幅值和相位，实现更好的聚合效果，在全局特征提取的同时加强局部特征提取；利用最大池化，深度可分离卷积，最大化自校正卷积和基于波的视觉多层感知机进行并行结合，得到多分支模块，实现局部特征的逐步外扩提取，获得更多小目标的上下文特征，将全局和局部的特征进行融合；运用所选的模块和YOLOX网络结合，在航拍小目标数据集上进行测试，我们的模型在输入分辨率较低时，实现了较高精度的小目标检测效果。

本发明授权一种基于多特征并行混合的航拍小目标检测方法在权利要求书中公布了：1.一种基于多特征并行混合的航拍小目标检测方法，其特征在于，包括以下步骤： 步骤1：下载无人机小目标公开数据集VisDrone，包含训练集和测试集，对数据集图像分辨率进行调整； 步骤2：设计最大化自校正卷积结构，加强对小目标局部和上下文特征的提取；其中，设计的最大化自校正卷积结构，通过在两个不同尺度空间中进行卷积特征变化，利用最大池化下采样提取局部显著特征，得到较小分辨率较大感受野的特征，将该特征与原始特征空间得到的特征变换结果相结合，起到矫正作用，来丰富每个空间位置的上下文信息； 步骤3：借助量子思想，构建基于波的视觉多层感知机结构MWaveMLP，将token看作波，并用最大池化生成幅值和相位，将token之间的聚合看成波函数的叠加，实现更好地聚合效果，在全局特征提取的同时加强局部特征提取；其中，基于波的视觉多层感知机结构具体包括如下过程： 步骤301、对于visionMLP结构，首先将图像切割成多个tokens，将token视作包含幅值和相位的波函数； 在token聚合模块MPATM中，分别用最大池化生成幅值和相位，然后运用TokenFC进行聚合，再使用ChannelFC来增强特征表达能力，得到模块最后的输出；TokenFC和ChannelFC的公式如下所示： ； 其中是有可学习参数的权重，是token-mixing权重，表示基于元素相乘，下标j表示第j个输出的token； 步骤302、基于波的视觉多层感知机结构MWaveMLP由Token-MLP和Channel-MLP组成，其中Token-MLP采用两个并行的MPATM模块，还使用了额外的ChannelFC连接进行原始的信息的保留，然后对他们的输出进行加权求和；Channel-MLP的实现通过堆叠两个ChannelFC和非线性激活函数构成；以此实现对全局特征提取的同时，加强局部特征提取； 步骤4：将最大池化，深度可分离卷积，最大化自校正卷积和基于波的视觉多层感知机进行并行结合，得到多分支并行特征提取模块，实现局部特征的逐步外扩提取，获得更多小目标的上下文特征，实现全局和局部的特征提取与融合； 步骤5：运用多分支并行特征提取模块和YOLOX网络结合，建立整个基于卷积神经网络和视觉多层感知机的多特征并行混合的航拍小目标检测模型； 步骤6：加载训练集和预训练权重，对网络进行训练，根据测试精度，保存最优权值模型； 步骤7：利用步骤6训练的网络，对航拍小目标数据集进行检测。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。