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！

龙图腾网获悉吉林大学申请的专利基于改进的YOLOv5的轻量化军舰要害部位识别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：CN116563662B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310418877.1，技术领域涉及：G06V10/774；该发明授权基于改进的YOLOv5的轻量化军舰要害部位识别方法是由祝宇鸿;高兵;张晓颖;孙大洋;程禹设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本基于改进的YOLOv5的轻量化军舰要害部位识别方法在说明书摘要公布了：本发明公开了一种基于改进的YOLOv5的轻量化军舰要害部位识别方法，包括以下步骤：制作军舰要害部位数据集‑改进YOLOv5模型：在YOLOv5模型的Backbone部分将最后一层C3替换为C3STR模块；在Neck多尺度融合部分，用C3EE模块替换C3模块，并在每个C3EE层后增加一个轻量注意力ShuffleAttention模块，在PAN特征融合部分，用GSConv替换Conv；在PredictionHead部分，增加两个尺度的检测分支‑测试。本发明采用上述基于改进的YOLOv5的轻量化军舰要害部位识别方法，具有轻量化、易部署的优点，可实现快速实时的军舰要害部位的识别与检测。

本发明授权基于改进的YOLOv5的轻量化军舰要害部位识别方法在权利要求书中公布了：1.基于改进的YOLOv5的轻量化军舰要害部位识别方法，其特征在于：包括以下步骤： S1、收集军舰原始图像，并制作军舰要害部位数据集； S2、改进YOLOv5模型： 在YOLOv5模型的Backbone部分增加两层下采样层，引入SwinTransformer模块，将最后一层C3替换为C3STR模块； 在Neck多尺度融合部分，增加两个尺度融合层，用C3EE模块替换C3模块，并在每个C3EE层后增加一个轻量注意力ShuffleAttention模块，在PAN特征融合部分，用GSConv替换Conv； 在PredictionHead部分，增加两个尺度的检测分支； 步骤S2所述的Backbone部分包括依次连接的2倍下采样层、4倍下采样层、C3模块、8倍下采样层、C3模块、16倍下采样层、C3模块、32倍下采样层、C3模块、64倍下采样层、C3模块、128倍下采样层、C3STR模块和SPPF模块，即增加了32倍下采样层和128倍下采样层； 其执行以下操作： 大小为640×640×3的输入军舰原始图像通过2倍下采样层，进行切片操作，降低图像尺寸大小，增加通道数，特征图大小变成320×320×64；通过4倍下采样层，特征图尺寸变为160×160×128；通过8倍下采样层，特征图尺寸变为80×80×256；通过16倍下采样层，特征图尺寸变为40×40×512；通过32倍下采样层，特征图尺寸变为20×20×768；通过64倍下采样层，特征图尺寸变为10×10×1024；通过128倍下采样层，特征图尺寸变为5×5×1280； 步骤S2所述的Neck多尺度融合部分包括对应Backbone部分输出特征图布置的8尺度融合层、16尺度融合层、32尺度融合层、64尺度融合层、128尺度融合层，即增加了64尺度融合层、128尺度融合层； C3EE模块包括4路输入支路，且每路输入支路的通道数均变为原来的14，经增加的两路输入支路引入的两个1×1卷积核和三个3×3卷积核构成多分枝结构； 在ShuffleAttention模块中，按照通道切分特征分成多个sub-features子特征,对每个sub-feature子特征均进行通道channel和空间spatial的attention操作；使用一个shuffleunit合并处理以上sub-features的channel和spatialattention模块，执行自适应特征细化； GSConv首先对输入特征通道进行减半压缩，再通过深度分离卷积生成另一半通道特征图，然后进行Concate拼接，通过一个Shuffle网络输出reshape调整后特征图； S3、将军舰要害部位数据集分为训练集和测试集，并将训练集输入改进的YOLOv5模型进行模型训练，训练完毕后再将测试集输入改进的YOLOv5模型中进行军舰要害部位测试。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。