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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利基于多尺度特征融合的无人机目标检测系统及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：CN121564327B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610080829.X，技术领域涉及：G06V10/25；该发明授权基于多尺度特征融合的无人机目标检测系统及方法是由马晞茗;李宁;年伦;吴迪;王瑶设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本基于多尺度特征融合的无人机目标检测系统及方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及一种基于多尺度特征融合的无人机目标检测系统及方法，系统中在YOLOv11架构的基础上引入平均池化下采样操作和全局多尺度注意力增强操作，进一步优化对细节特征的获取，同时提升了系统对关键特征信息的定位能力；引入特征融合子模块，进一步提升系统对多尺度无人机目标的敏感性，从而提高检测精度；在头部网络后构建了聚合非极大值抑制模块，使系统能够更加适应复杂密集的场景；方法中使用边界框回归损失和高斯分布距离损失相结合的损失函数对目标检测系统进行训练，综合考虑了边界框的形状与尺度，并进一步衡量了真实框与预测框分布的相似度，从而充分发挥二者各自的优势，提升无人机目标的识别准确率。

本发明授权基于多尺度特征融合的无人机目标检测系统及方法在权利要求书中公布了：1.一种基于多尺度特征融合的无人机目标检测方法，其特征在于，包括： S1：获取低空图像数据集，对低空图像数据集进行预处理，得到训练集； S2：构建基于多尺度特征融合的无人机目标检测系统；系统用于识别复杂空中场景下的无人机，包括： 主干网络，由在YOLOv11网络架构的原始主干网络中的卷积操作替换为平均池化下采样操作得到； 颈部网络，由在YOLOv11网络架构的原始颈部网络中引入平均池化下采样操作和全局多尺度注意力增强操作得到； 头部网络，包括YOLOv11网络架构的多个原检测头，以及与每个原检测头匹配的特征融合子模块，每个特征融合子模块对来自颈部网络的多尺度特征进行融合，融合后的特征输入对应检测头中得到初始目标检测框； 聚合非极大值抑制模块，从头部网络输出的初始目标检测框中选择出置信度分数最高的保留检测框，并剔除与保留检测框重叠比例过高的冗余检测框；依据冗余检测框的聚合特点，为保留检测框生成衡量其抗剔除能力的判定分数，然后以判定分数作为非极大值抑制的判别依据，保留被遮挡重叠严重的正确检测结果，得到最终目标检测框； 在聚合非极大值抑制模块中： 计算任意两初始目标检测框之间的重叠分数： ； 其中，GScoreij表示第i个初始目标检测框Boxi和第j个初始目标检测框Boxj之间的重叠分数，IoGBoxi,Boxj表示第i个初始目标检测框Boxi和第j个初始目标检测框Boxj之间的重叠比例，和表示第i个初始目标检测框Boxi的左上角和右下角的坐标值，AMap表示映射关系函数，为： ； 其中，λ表示映射关系的输入，σt表示预设的参数阈值； 若重叠分数大于预设的重叠阈值，定义与此重叠分数相关的两个初始目标检测框为聚合检测框； 重复上述操作，计算每个初始目标检测框的重叠分数，并获取每个初始目标检测框相关的所有聚合检测框，得到每个初始目标检测框的聚合检测框集合，并定义每个聚合检测框集合中置信度最大的检测框定义为保留检测框，构建得到保留检测框集合； 在每个聚合检测框集合中，将每个聚合检测框的重叠分数进行降序排序得到每个聚合检测框的序号； 利用每个聚合检测框的序号对对应重叠分数进行区间映射，得到每个聚合检测框的判别抑制分数； 利用判别抑制分数和保留检测框，对每个初始目标检测框进行非极大值抑制，直至遍历保留检测框集合中的所有保留检测框，得到最终目标检测框； S3：利用步骤S1得到的训练集对步骤S2构建的目标检测系统进行训练，得到目标检测模型； S4：将待检测图像输入步骤S3得到的目标检测模型中，得到检测结果。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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。