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！

龙图腾网获悉武汉纺织大学申请的专利一种基于自注意力机制的无人机视角下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：CN119992393B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510478698.6，技术领域涉及：G06V20/17；该发明授权一种基于自注意力机制的无人机视角下小目标检测方法是由周昌龙;谢玲星;余锋;刘莉;姜明华设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本一种基于自注意力机制的无人机视角下小目标检测方法在说明书摘要公布了：本发明公开了一种基于自注意力机制的无人机视角下小目标检测方法，所述方法包括以下步骤：S1：获取适用于无人机视角的图像数据集，并对其进行预处理；S2：基于自注意力机制构建小目标检测模型；S3：将预处理后的图像数据集送入小目标检测模型进行训练；S4：应用训练后的小目标检测模型对待检测目标进行检测并输出结果。本发明通过特征提取模块进行特征提取，结合局部自注意力模块和跨尺度自注意力机制，能够有效提高模型对小目标的识别能力，采用解码器和自适应损失函数进一步增强了网络的鲁棒性与实时性，最终实现高效、精准的小目标检测。

本发明授权一种基于自注意力机制的无人机视角下小目标检测方法在权利要求书中公布了：1.一种基于自注意力机制的无人机视角下小目标检测方法，其特征在于，所述方法包括以下步骤： S1：获取适用于无人机视角的图像数据集，并对其进行预处理； S2：基于自注意力机制构建小目标检测模型，所述小目标检测模型包括特征提取模块、局部自注意力模块、跨尺度自注意力机制、解码器和UGWD自适应损失函数； 步骤S2具体包括： S21：设计一个全新特征提取模块，对输入的数据集进行特征提取； S22：进一步加强小目标区域的信息建模，编码器部分设计一种新型局部自注意力模块； S23：在编码器的多尺度特征图融合过程中，通过跨尺度自注意力机制来结合不同尺度之间的上下文信息，增强小目标的检测效果； S24：引入一种解码器通过查询机制对候选目标框进行解码，为进一步强化小目标的检测能力，引入位置编码来保留小目标在图像中的空间信息； S25：在网络训练中设计一种新的UGWD自适应损失函数，所述UGWD自适应损失函数包括定位损失函数和分类损失函数； S3：将预处理后的图像数据集送入小目标检测模型进行训练； S4：应用训练后的小目标检测模型对待检测目标进行检测并输出结果； 步骤S21具体包括： S211：输入特征图,其中是批量大小，是通道数，、是特征图的高和宽； S212：使用深度可分离卷积提取输入特征图的局部信息，并通过位置编码融合空间位置信息，所述深度可分离卷积包括深度卷积和逐点卷积； S213：对深度可分离卷积输出的结果加入新的自适应注意力机制，其计算公式如下： 其中，为加权后的特征图，为当前层输入的特征图，表示逐元素相乘，和是注意力网络的学习参数，分别为权重矩阵和偏置项，是经过卷积操作得到的特征图，代表从输入特征图中提取的高阶特征，是计算得到的注意力系数矩阵，表示每个空间位置的关注程度； S214：接着引入一种跨层特征重要性调节策略，该策略通过在不同网络模块之间插入特定的调节单元，对多层特征进行动态加权和重要性评估，其加权公式如下： 其中，为注意力权重，是注意力网络，为第层的输出特征图，、、分别是第层特征图的高度、宽度和通道数，为加权后的特征图，表示逐元素相乘； S215：最后使用结构重参数化技术，在推理阶段将训练阶段的多个卷积层合并为一个标准3×3卷积操作； 引入基于高斯函数的动态加权机制，使用权重对定位损失函数和分类损失函数进行改进，权重的计算公式如下： 其中，是基于高斯加权的损失权重，是目标的尺度，是标准差，用于控制加权范围,是一个动态调整函数，依赖目标特征和预测概率；当趋近于1时，，表明无需额外关注。

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武汉纺织大学，其通讯地址为：430074 湖北省武汉市洪山区纺织路1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”。