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！

龙图腾网获悉东北大学申请的专利基于脉冲神经网络改进的飞行物体目标检测方法及装置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：CN119888431B 。

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：202510361389.0，技术领域涉及：G06V10/80；该发明授权基于脉冲神经网络改进的飞行物体目标检测方法及装置是由周帅;杨馨;乔建忠;马驰;李晓雪设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于脉冲神经网络改进的飞行物体目标检测方法及装置在说明书摘要公布了：本发明公开了一种基于脉冲神经网络改进的飞行物体目标检测方法及装置，涉及目标检测技术领域，主要目的在于解决现有针对飞行物体的目标检测准确性较低的问题。主要包括获取目标检测图像和事件数据，并依据目标检测图像和事件数据生成基于事件驱动的图像帧序列。通过脉冲特征提取层将图像帧序列转换成脉冲特征，并通过各个特征提取子网络逐步对脉冲特征进行特征提取，得到每个特征提取子网络对应的图像增强特征；通过颈部网络对多个图像增强特征进行多尺度特征融合，得到每个特征融合子网络对应的融合特征，通过每个目标检测层分别对各自对应的融合特征进行目标识别，得到飞行物体目标检测结果。主要用于飞行物体目标检测。

本发明授权基于脉冲神经网络改进的飞行物体目标检测方法及装置在权利要求书中公布了：1.一种基于脉冲神经网络改进的飞行物体目标检测方法，其特征在于，通过基于脉冲神经网络改进的目标检测模型进行目标识别，其中，所述目标检测模型包括用于脉冲转换和脉冲特征提取的骨干网络、用于多尺度特征融合的颈部网络及用于多尺度目标识别的头部网络，所述骨干网络包括脉冲特征提取层和多个基于轻量化注意力机制的特征提取子网络，所述颈部网络包括不同尺度的多个特征融合子网络，所述头部网络包括不同尺度的多个目标检测层，所述方法包括： 获取目标检测图像和所述目标检测图像的事件数据，并依据所述目标检测图像和所述事件数据生成基于事件驱动的图像帧序列，其中，所述目标检测图像包括相对于图像采集设备快速移动的物体； 通过所述脉冲特征提取层将图像帧序列转换成脉冲特征，并通过各个所述特征提取子网络逐步对所述脉冲特征进行特征提取，得到每个特征提取子网络对应的图像增强特征；通过所述颈部网络对多个图像增强特征进行多尺度特征融合，得到每个特征融合子网络对应的融合特征，通过每个目标检测层分别对各自对应的融合特征进行目标识别，得到飞行物体目标检测结果； 其中，每个所述特征提取子网络包括引入感受野空间注意力机制的特征提取层和引入通道与空间注意力机制的残差连接层，所述特征提取层包括第一卷积分支和第二卷积分支，所述特征提取子网络对输入特征的处理过程，包括： 通过所述第一卷积分支对所述输入特征进行跨通道特征交互和组合处理，得到注意力图； 通过所述第一卷积分支捕捉所述输入特征中的局部空间信息和不同尺度的特征表示，得到感受野空间特征，并融合所述注意力图和所述感受野空间特征，得到第一图像增强特征，其中，所述第二卷积分支的卷积核数大于所述第一卷积分支的卷积核数； 通过所述残差连接层对所述第一图像增强特征进行基于通道空间融合注意力的特征提取，得到图像增强特征，其中，每个残差连接层依次包括两个脉冲特征提取子层和一个轻量化注意力子层，所述轻量化注意力子层包括通道注意力分支和空间特征分支； 所述通过所述残差连接层对所述第一图像增强特征进行基于通道空间融合注意力的特征提取，得到图像增强特征，具体包括： 通过两个脉冲特征提取子层逐步对第一图像增强特征进行特征提取，得到第二图像增强特征； 通过通道注意力分支获取所述第二图像增强特征的全局空间描述子，并依据所述全局空间描述子计算得到通道注意力图，通过空间特征分支对所述第二图像增强特征的空间特征信息进行展开，生成跨通道的平均池化特征和最大池化特征，通过对所述平均池化特征和所述最大池化特征进行拼接和卷积操作，得到跨通道空间特征，并融合所述通道注意力图和所述跨通道空间特征得到第三图像增强特征； 将所述第一图像增强特征和所述第三图像增强特征融合得到图像增强特征。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。