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！

龙图腾网获悉重庆市西部水资源开发有限公司;中国建筑科学研究院有限公司;重庆大学申请的专利智能建造目标计数方法、电子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：CN116152171B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211615792.4，技术领域涉及：G06T7/00；该发明授权智能建造目标计数方法、电子设备及存储介质是由李顺祥;周伯成;邓曦;熊伶;黄才生;蒋有高;刘寿松;钱琪;王楷设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本智能建造目标计数方法、电子设备及存储介质在说明书摘要公布了：本申请提供一种智能建造目标计数方法、电子设备及存储介质。方法包括：获取待识别图像；将待识别图像输入经过训练的深度学习模型，得到由深度学习模型输出的与待识别图像中的每个目标对应的锚框，其中，深度学习模型包括输入模块Input、主干网络Backbone、注意力模块Att、特征融合层Neck和输出模块Head，Att包括通道注意力子模块和空间注意力子模块，Backbone为ShuffleNetv2网络，Head包括3个YOLOHead检测器；对待识别图像中的所有锚框进行计数，得到待识别图像中的目标的数量，如此，有利于减少模型参数，降低运算量。

本发明授权智能建造目标计数方法、电子设备及存储介质在权利要求书中公布了：1.一种智能建造目标计数方法，其特征在于，所述方法包括： 获取待识别图像，所述待识别图像为拍摄欲检测的目标所得到的图像； 将所述待识别图像输入经过训练的深度学习模型，得到由所述深度学习模型输出的与所述待识别图像中的每个目标对应的锚框，其中，所述深度学习模型包括输入模块Input、主干网络Backbone、注意力模块Att、特征融合层Neck和输出模块Head，所述Att包括通道注意力子模块和空间注意力子模块，所述Backbone为ShuffleNetv2网络，所述Head包括3个YOLOHead检测器； 对所述待识别图像中的所有锚框进行计数，得到所述待识别图像中的目标的数量； 其中，将所述待识别图像输入经过训练的深度学习模型，得到由所述深度学习模型输出的与所述待识别图像中的每个目标对应的锚框，包括： 通过所述深度学习模型中的所述Input将所输入的具有三通道的所述待识别图像，输出至所述ShuffleNetv2网络； 通过所述ShuffleNetv2网络对所述待识别图像进行特征提取，得到提取的第一类图像特征； 通过所述Att中的所述通道注意力子模块和所述空间注意力子模块，对所述第一类图像特征进行卷积，得到第二类图像特征； 通过所述Neck对所述第一类图像特征和所述第二类图像特征进行融合，得到第三类图像特征； 通过所述3个YOLOHead检测器，对所述第三类图像特征进行目标预测，并在所述待识别图像中对预测的目标通过锚框进行标记； 通过所述Att中的所述通道注意力子模块和所述空间注意力子模块，对所述第一类图像特征进行卷积，得到第二类图像特征，包括： 通过所述通道注意力子模块对所述第一类图像特征进行多频率特征融合，得到融合后的第一类图像特征； 通过所述空间注意力子模块对所述融合后的第一类图像特征进行多尺度可变形卷积，得到所述第二类图像特征； 通过所述通道注意力子模块对所述第一类图像特征进行多频率特征融合，得到融合后的第一类图像特征，包括： 将所述第一类图像特征依据通道划分成为n个部分，表示为[X0,X1,…,Xn-1]，其中，n的取值为被所述第一类图像特征的通道数所整除的值； 对划分的Xi，分配相应的二维DCT频率分量，表示为： 其中，i取值为0至n-1中的任一整数；Frei∈Rc为Xi经过处理后的多频率向量，H为输入X的高度；W为输入X的宽度；为二维离散余弦变换的基函数；[u,v]指Xi的频率分量二维指数；[h,w]指所述基函数中的参数； 通过压缩函数FsqX，将n个部分X的频率分量进行合并，得到所述融合后的第一类图像特征，其中，所述压缩函数表示为：FsqX＝cat[Fre0,Fre1,…,Fren-1]。

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重庆市西部水资源开发有限公司;中国建筑科学研究院有限公司;重庆大学，其通讯地址为：401329 重庆市九龙坡区白市驿镇农科大道66号2幢5-6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。