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！

龙图腾网获悉厦门大学申请的专利一种基于分级聚焦特征金字塔的小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：CN117173396B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202311122506.5，技术领域涉及：G06V10/25；该发明授权一种基于分级聚焦特征金字塔的小目标检测方法是由曹刘娟;王思伟;陈志威;丁昊扬;纪荣嵘设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本一种基于分级聚焦特征金字塔的小目标检测方法在说明书摘要公布了：一种基于分级聚焦特征金字塔的小目标检测方法，涉计算机视觉技术。模型训练阶段：1，预处理后待检测的图片及其对应的类别送入神经网络；2，神经网络对图片提取特征，将特征送入到分级聚焦特征金字塔中融合；3，模型利用融合后得到的特征输出待检测图片中目标的位置和类别。模型测试阶段：待检测图片经过特征提取后进入分级聚焦特征金字塔，利用融合后的特征输出待检测图片预测的框的坐标、类别、得分。分级聚焦特征金字塔包含HFSM和FFGA。HFSM引入特征相减操作获取细节信息，引入分级策略。FFGA利用特征融合时的全局信息引导本层特征聚焦于有效信息、抑制噪声信息。实验表明，实现显著和一致的性能改进。

本发明授权一种基于分级聚焦特征金字塔的小目标检测方法在权利要求书中公布了：1.一种基于分级聚焦特征金字塔的小目标检测方法，其特征在于包括如下步骤：步骤1，对待检测的图片进行预处理，将预处理后待检测的图片及其对应的图片级别的标签送入神经网络；步骤2，神经网络对图片提取特征，并将特征送入到分级聚焦特征金字塔中进行融合，包括如下步骤：步骤a1，给定带有图像级别标签的数据集集合，将集合划分为训练图片样本集和测试图片样本集；步骤a2，从训练图片样本集中任意选取图像I，将该图像I，以及其对应的图像级别的标签y输入神经网络的特征提取骨干网络，得到网络提取到的每一层的图像特征C，具体操作为： 其中，是特征提取骨干网络中的卷积模块，t是特征层的数目；步骤a3，图像特征C经过分级特征相减模块HFSM，C在自顶向下融合的过程中，采取分级特征相减的操作，得到中间特征M，具体操作为： 其中，σ·是一个1×1大小的卷积层，UP·是比率为2的上采样操作；和分别表示对应元素相加和对应元素相减；|·|表示取绝对值的操作，l是一个实现分级策略的超参数，它决定分级操作在哪些特征层之间进行；步骤a4，中间特征M经过一个3×3大小的卷积层进一步进行特征融合，得到融合特征P，具体操作为：Pi＝conv3×3Mi步骤a5，融合特征P被送入到特征融合引导注意力中，对其中的某一级特征取其上一级特征对其上采样后，在通道维度上与Pi相接，得到融合引导特征具体操作为：Fg＝concatPi,UPPi+1其中，concat·表示将两个特征图在通道维度上相接的操作；步骤a6，融合引导特征Fg依次经过通道注意力模块和空间注意力模块获得注意力特征具体操作为： 其中，Fca是Fa经过通道注意力模块得到的通道注意力特征，其随后马上被送入空间注意力模块获得注意力特征Fa；avgpool1·和avgpool2·分别表示在空间维度和在通道维度上的平均池化操作；CR·和CS·分别是带ReLU激活层的1×1卷积和带sigmoid激活层的1×1卷积；δ·表示在维度上进行延展的操作；步骤a7，Fa经过一个1×1卷积得到一个维度为1的注意力加权图Wa＝conv1×1Fa步骤a8，注意力加权图Wa与本级特征相乘，得到最终的输出特征O，具体操作为： 步骤3，在训练阶段，模型利用融合后得到的特征输出待检测图片中目标的位置和类别；步骤4，在测试阶段，待检测图片同样经过特征提取后进入分级聚焦特征金字塔，利用融合后的特征输出待检测图片预测的框的坐标、类别、得分。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。