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！

龙图腾网获悉南京大学申请的专利一种适于红外成像场景的目标检测方法、设备及存储介质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：CN119445470B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411454459.9，技术领域涉及：G06V20/52；该发明授权一种适于红外成像场景的目标检测方法、设备及存储介质是由阮雅端;罗红轩;周红圣设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种适于红外成像场景的目标检测方法、设备及存储介质在说明书摘要公布了：一种适于红外成像场景的目标检测方法、设备及存储介质，通过红外摄像头采集红外场景图片，将拍摄的图片进行标注后输入到网络中，经过新构建的全局特征提取网络提取多层特征图；将提取的特征图输入到由特征金字塔构建的特征融合网络中进行多尺度的特征融合；之后，为了保留浅层特征图中的微小目标信息，本发明采用跳跃连接的方式，将原始的特征图和融合后的特征图再次进行融合，得到最终的输入；采用三个检测头的输出方式，既保证大目标的检测，也保证了小目标的检测。本发明在红外场景下，保证目标的特征提取，同时保证了检测的准确性。

本发明授权一种适于红外成像场景的目标检测方法、设备及存储介质在权利要求书中公布了：1.一种适于红外成像场景的目标检测方法，其特征是包括以下步骤： Step1：获取红外摄像采集的红外图像信息； Step2：构建红外场景下的车辆、行人数据集； Step3：构建改进的目标检测网络，基于YOLOv5模型，对于骨干网络以C3为基础搭建特征提取网络，通过融入全局注意力机制构建特征提取网络； Step4：将骨干网络得到的特征图进行特征融合，特征融合网络为特征金字塔FPN； Step5：将骨干网络原始特征图通过跳跃连接和经过特征融合网络后的特征图进行融合，得到不同尺度的融合特征图； Step6：在不同尺度的融合特征图后添加SK注意力机制后，输入到检测头中进行检测，输出目标检测结果； Step7：利用Step2的数据集训练Step3~Step6构建的目标检测网络，由训练后的目标检测网络对红外图像实现目标检测； 其中，Step3中，以C3为基础搭建的特征提取网络称为GC_3网络，具体为： GC_3网络包含TGC模块，CBS模块，BottleNeck模块和Concat模块，其中： TGC模块为特征增强模块，由两个支路组成，其中一条支路通过一个3*3卷积，之后通过全局平均池化GlobalAveragePooling，一个1*1的卷积，一个ReLU激活层和一个1*1的卷积；另外一条支路通过一个5*5的卷积后通过一个1*1的卷积，一个Softmax层后将得到的结果与原始输入相加，再经过一个1*1的卷积，以及一个ReLU激活层和一个1*1的卷积，之后将两条支路相加得到输出， CBS模块依次包括1*1Conv层、BN层、LeakyReLU激活层，用来构建特征图； BottleNeck包含两个部分，分别是1*1，3*3的Conv，其中1*1的Conv用来将特征图通道数减半，3*3的卷积将通道数翻倍，通过两个Conv来增加网络的感受野，并减少计算量； GC_3网络包含三个分支，其中第一个分支包含TGC模块、CBS模块、BottleNeck模块各一个，用于进行深层次的特征提取；第二个分支包含TGC模块、CBS模块，用于进行通道调整并保留原始的空间信息；第三个分支仅包含CBS模块；之后将三个个分支通过Concat模块进行连接， 图片输入特征提取网络后提取得到不同尺寸的特征图，先经过3*3的Conv后得到一个160*160，通道数为64的特征图P1；再经过3个GC_3模块和一个3*3的Conv后，得到大小为80*80，通道数为128的特征图P2；再经过9个GC_3模块和一个3*3的Conv后，得到大小为40*40，通道数为256的特征图P3；再经过9个GC_3模块和一个3*3的Conv后，得到大小为20*20，通道数为512的特征图P4。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22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。