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！

龙图腾网获悉武汉理工大学三亚科教创新园申请的专利一种基于融合框架的无人机海洋小船只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：CN118658086B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411033671.8，技术领域涉及：G06V20/17；该发明授权一种基于融合框架的无人机海洋小船只目标检测方法是由熊盛武;叶正泽;孙浩凯;龚腾飞;陈亚雄设计研发完成，并于2024-07-30向国家知识产权局提交的专利申请。

本一种基于融合框架的无人机海洋小船只目标检测方法在说明书摘要公布了：本发明涉及一种基于融合框架的无人机海洋小船只目标检测方法，包括步骤：构建目标检测模型；将扩充后的训练集输入到全局检测器中，对图像目标检测采用SimOTA进行正负样本匹配，同时采用FocalLoss函数和GIouLoss对分类损失和回归损失进行计算，通过反向传播算法更新识别全局检测器，遴选最优全局检测器；将全局检测器的输出的预测框进行NMS处理，以处理过后预测框为基础进行前景区域提取。前景块进行组装，拼装成一张图片，输入到局部目标检测器。本发明采用交叉熵损失函数和区分性对比损失函数监督模型的训练过程，得到具有更强特征学习能力的基于“全局‑局部”融合框架的海洋船只小目标检测模型，具有识别率高，可拓展性强等优点。

本发明授权一种基于融合框架的无人机海洋小船只目标检测方法在权利要求书中公布了：1.一种基于融合框架的无人机海洋小船只目标检测方法，其特征在于，所述方法包括以下步骤： S1处理无人机拍摄的海洋小目标船只图像全局数据集，得到所需原始无人机拍摄图像及其对应的类别标签，全局数据集按比例数量划分训练集、验证集和测试集，分别用于后续对模型进行训练、验证和评估，其中训练集记为，为训练集的图像数目； S2将所述训练集的图像进行在线数据增强，使得训练集中每张图像都生成张不同的增强图像，训练集被扩充后的图像数量为，记为； S3构建基于“全局-局部”融合框架的无人机海洋小船只目标检测模型； S4将所述训练集的图像，输入全局检测器，在全局检测器训练过程中采用SimOTA正负样本匹配；全局检测器的回归损失采用GIOU损失，分类损失计算采用FocalLoss损失函数，通过反向传播算法更新全局检测器，并利用步骤S1中的验证集遴选出最优的全局检测器； S5将全局检测器的输出经过NMS产生一组全局预测结果，分离出对应的一系列检测框，依据全局检测器的预测进行前景区域块提取； S6通过步骤S5的前景区域提取方法得到一系列的前景区域块，采用前景区域组装模块将前景区域块进行组装，拼装成一张图片，输入到局部检测器中，实施局部前景区域块的检测； S7将步骤S1中的验证集和测试集与和步骤S2中数据增强的训练集通过步骤S6中的前景区域组装模块生成局部检测器所需要的训练集、验证集和测试集，并命名为局部训练集局部验证集和局部测试集；利用局部训练集对局部检测器进行训练；通过局部验证集遴选出最优的局部检测器； S8分别通过步骤S4和S7遴选出的最优的全局检测器和局部检测器，分别在全局的测试集和局部测试集进行测试，将测试的全局预测结果R1和局部预测结果R2进行NMS处理，得到“全局-局部”融合框架海洋小船只的目标检测的结果； 其中，所述目标检测模型由全局检测器、局部检测器、前景区域提取和前景区域组装组成： 目标检测模型由全局检测器采用在COCO数据集上预训练好的YOLOX-M模型最为基础，全局检测器由主干特征网络提取CSPDarknet和FFA小目标检测扩展层、特征融合模块PAFPN和解耦的检测头DecoupledHead所构成。

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武汉理工大学三亚科教创新园，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城用友产业园9号楼；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。