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！

龙图腾网获悉无锡学院申请的专利基于RTDETR网络的图像特征增强模型目标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：CN121582559B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610108781.9，技术领域涉及：G06V10/25；该发明授权基于RTDETR网络的图像特征增强模型目标检测方法是由孙家栋;朱晴晴;马丽;陈德基;施珮设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本基于RTDETR网络的图像特征增强模型目标检测方法在说明书摘要公布了：发明公开了基于RTDETR网络的图像特征增强模型目标检测方法，获取物体表面图像，将其输入至基于ResNet残差网络构建的骨干网络，通过骨干网络中依次连接的多个正交注意力残差模块提取得到多个子特征图；多个子特征图输入至高效混合编码器，并通过SP‑PEU空间位置感知增强单元和CCFF跨尺度特征融合模块分别对多个子特征图进行特征增强和融合操作得到多个统一特征图；基于IoU感知查询选择模块筛选固定数量的统一特征图作为解码器初始对象查询，采用具有辅助预测头的RTDETR解码器，并通过多层的Transformer结构对初始对象查询进行迭代优化，生成目标的类别和边界框，最终输出精确的目标检测结果。

本发明授权基于RTDETR网络的图像特征增强模型目标检测方法在权利要求书中公布了：1.基于RTDETR网络的图像特征增强模型目标检测方法，其特征在于：包括以下步骤： 步骤一、获取物体表面图像，并将物体表面图像输入至基于ResNet残差网络构建的骨干网络中，通过骨干网络中依次连接的多个正交注意力残差模块提取得到S3子特征图、S4子特征图和S5子特征图； 步骤二、将S3子特征图、S4子特征图和S5子特征图输入至高效混合编码器，通过高效混合编码器中SP-PEU空间位置感知增强单元和CCFF跨尺度特征融合模块分别对S3子特征图、S4子特征图和S5子特征图进行特征增强和融合操作得到多个统一特征图； 所述SP-PEU空间位置感知增强单元中引入位置感知注意力模块和SEFN空间增强前馈网络；所述位置感知注意力模块中设置可学习位置编码，将输入特征通过线性变换划分为查询矩阵、密钥矩阵和值矩阵，对查询矩阵和密钥矩阵进行分解操作和幂函数运算得到锐化正极性图和锐化负极性图，锐化正极性图和锐化负极性图与值矩阵进行矩阵乘法运算和拼接融合得到注意力增强特征；所述SEFN空间增强前馈网络模块为基于FFN传统前馈网络引入空间建模与门控融合机制构建得到的；通过将SP-PEU空间位置感知增强单元的输入特征作为感知引导，计算得到空间感知权重，并将空间感知权重与SEFN空间增强前馈网络模块的输入特征进行融合操作，得到SEFN空间增强前馈网络模块的输出特征，实现对编码特征的增强； 所述CCFF跨尺度特征融合模块中引入IELC3亮度增强卷积模块，所述IELC3亮度增强卷积模块为IEL强度增强层引入RTDETR框架构建得到；所述IELC3亮度增强卷积模块中通过捕获全局低频信号和捕获局部高频信号的感受野分别对输入特征进行深层卷积处理得到照明分量和反射分量，并分别计算照明分量和反射分量的扰动量用于增强照明分量和反射分量，将增强的照明分量和反射分量进行融合操作输出IELC3亮度增强卷积模块的输出特征； 步骤三、基于IoU感知查询选择模块筛选固定数量的统一特征图作为解码器的初始对象查询，采用具有辅助预测头的Transformer结构构建的RTDETR解码器，通过RTDETR解码器中多层的Transformer结构对初始对象查询进行迭代优化，生成目标的类别和边界框，最终输出精确的目标检测结果。

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无锡学院，其通讯地址为：214000 江苏省无锡市锡山区锡山大道333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。