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！

龙图腾网获悉长沙理工大学申请的专利基于单层特征图和显式对象的无锚框交通标志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：CN116311151B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310063348.4，技术领域涉及：G06V20/58；该发明授权基于单层特征图和显式对象的无锚框交通标志检测方法是由张建明;吕雅茹;黄凤翔设计研发完成，并于2023-01-14向国家知识产权局提交的专利申请。

本基于单层特征图和显式对象的无锚框交通标志检测方法在说明书摘要公布了：本发明公开了一种基于单层特征图和显式对象的无锚框交通标志检测方法，包括：对输入的原始图像进行图像增强；将增强后的图像输入单层特征提取器和感受野扩大器，得到融合后的单层特征图；由单层特征图经卷积得到三个检测头分支，包括分类分支、定位分支和显式对象分支；分别计算分类分支、定位分支和显式对象分支的损失函数，通过损失函数训练优化分类分支、定位分支和显式对象分支；通过优化后的分类分支、定位分支和显式对象分支进行预测得到预测目标。本发明解决了交通标志由于光照因素影响大，检测尺度变化大，使得检测准确度有待提高的问题，且不存在数据标注成本大，网络训练成本大，内存负担大，结构复杂或特征利用不足的问题。

本发明授权基于单层特征图和显式对象的无锚框交通标志检测方法在权利要求书中公布了：1.一种基于单层特征图和显式对象的无锚框交通标志检测方法，其特征在于，包括以下步骤： S1、对输入的原始图像进行图像增强； S2、将增强后的图像输入单层特征提取器和感受野扩大器，得到融合后的单层特征图； 所述步骤S2包括： S21、将增强后的图像输入单层特征提取器，不断下采样获得C1‑C5特征图； 所述步骤S21包括：将增强后的图像使用最大池化和卷积改变图像的大小和通道数，依次得到C1‑C3特征图；然后将所述C3特征图输入MLP块中进行通道移位操作，得到大小和通道同样变化的C4特征图，同理将C4输入MLP块中得到C5特征图； S22、对C3特征图经过通道移位操作得到P3特征图，所述P3特征图与C4特征图通过特征聚合器FA融合后，再经过通道移位操作得到P4特征图，所述P4特征图与C5特征图通过特征聚合器FA融合后，再经过通道移位操作和ASPP得到P5特征图； 所述步骤S22中，通过特征聚合器FA融合前，还包括：将通过特征聚合器FA融合的两个特征图卷积成大小和通道数相同的特征图； S23、将所述P5特征图输入感受野扩大器，输出融合后的单层特征图t5； 所述步骤S23中，所述感受野扩大器包括多个空洞率不同的残差膨胀块； S3、由所述单层特征图经卷积得到三个检测头分支，包括分类分支、定位分支和显式对象分支； 所述步骤S3包括：由所述单层特征图t5经过两个1×1卷积和一个5×5卷积，得到格式为batch，3，H，W，C+5的网络输出，其中，通道数C+5包括4个定位分支的通道数、1个显式对象分支的通道数和C个分类分支的通道数，所述定位分支预测的检测框的相对位置信息xc，yc，w，h，xc，yc为中心点坐标，w和h分别为检测框的宽、高，所述显式对象分支预测的objectness值，分类分支预测的特征图上每个像素的C个类别概率； S4、分别计算所述分类分支、定位分支和显式对象分支的损失函数，通过损失函数训练优化所述分类分支、定位分支和显式对象分支； S5、通过优化后的分类分支、定位分支和显式对象分支进行预测得到预测目标。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市雨花区万家丽南路二段960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。