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！

龙图腾网获悉西北工业大学申请的专利基于双预测头高精度轻量化的无人机图像目标检测算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：CN119445414B 。

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：202411539946.5，技术领域涉及：G06V20/17；该发明授权基于双预测头高精度轻量化的无人机图像目标检测算法是由王健;李欣琦;陈家福;周立辉;郭霖佯;周浩;张泽琛设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本基于双预测头高精度轻量化的无人机图像目标检测算法在说明书摘要公布了：本发明涉及一种基于双预测头高精度轻量化的无人机图像目标检测算法，结合无人机图像目标检测的任务特点进行优化和改进，提出一种双目标检测头模块，该模块可以在提高小目标检测精度同时还能降低模型的参数量。此外，本发明进一步设计一个小路径特征融合模块TinyPathFusion，TP‑Fusion，该模块能融合更丰富的细节信息，并使检测器能更准确地匹配不同大小和形状的目标。最后，本发明进一步采用坐标注意力模块CoordinateAttentionBlock，CA和改进的瓶颈模块，降低复杂的背景对检测前景目标信息干扰，增强了无人机图像小目标检测。

本发明授权基于双预测头高精度轻量化的无人机图像目标检测算法在权利要求书中公布了：1.一种基于双预测头高精度轻量化的无人机图像目标检测算法，其特征在于，包括以下步骤： 步骤1：构造高精度轻量化的YOLOv8目标检测算法； 步骤1-1：精简YOLOv8算法的预测头；在通用YOLOv8算法中添加一个特征图分辨率更大的微小目标预测头，去掉通用YOLOv8算法中特征图分辨率较小的两个预测头，得到一种双预测头的YOLOv8目标检测算法； 步骤1-2：在通用YOLOv8的颈部网络中添加小路径特征融合模块TinyPathFusion，TP-Fusion；该模块融合了三层特征图的信息，最底层UnderlyingFeatureMap的特征图通过一个3×3的可变形卷积后与第二层MiddleLayerFeatureMap的特征图进行特征相加，再与最高层TopLayerFeatureMap的特征图进行通道上的拼接； 步骤1-3：继续在通用YOLOv8的颈部网络中添加坐标注意力模块CoordinateAttentionBlock，CA；首先，CA将输入特征图在宽度和高度两个方向上进行全局平均池化，以获得图像宽度和高度上的注意力，并对精确位置信息进行编码；接着将上一步得到的两个方向的特征图拼接在一起，再经过卷积、批量归一化以及非线性激活函数等操作得到中间特征图；然后将中间特征图拆分为高和宽两个方向的张量，分别经过卷积以及Sigmoid激活函数后得到高度方向和宽度方向的坐标注意力；最后，将输入特征图与得到的注意力权重相乘，得到最终在高度和宽度方向上带有注意力权重的特征图； 步骤1-4：继续在通用YOLOv8的头部网络中添加瓶颈模块；该模块由两个3×3卷积模块组成；输入特征图经过第一个卷积模块后通道数减少为原来的一半，通过第二个卷积模块后通道数恢复为输入的大小，而后与输入特征图进行残差连接，最后通过HSwish激活函数得到最后的输出； 步骤1-5：以通用YOLOv8算法为基线模型，将步骤1-1～步骤1-4的模块分别集成和融合，完成无人机机载航拍图像的目标检测模型——双预测头高精度轻量化的无人机图像目标检测算法，提高无人机航拍图像小目标检测效果； 步骤2：训练双预测头高精度轻量化的无人机图像目标检测算法；设置训练参数：输入图像大小、批量大小、冲量大小、学习率和最大迭代次数；采用VisDrone2021以及UAVDT数据集对网络进行训练；训练完成得到最终的双预测头高精度轻量化的无人机图像目标检测算法； 步骤3：加载双预测头高精度轻量化的无人机图像目标检测算法，并进行算法评估。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。