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！

龙图腾网获悉山东大学申请的专利一种基于锚的全Transformer框架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：CN116824332B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310708100.9，技术领域涉及：G06V10/82；该发明授权一种基于锚的全Transformer框架目标检测方法是由郑艳伟;陈锋;于东晓设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于锚的全Transformer框架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锚的全Transformer框架目标检测方法，包括以下步骤：使用SwinTransformer的层级编码器作为目标检测模型的主干网络，并对其进行训练；将待检测的图像输入训练好的模型中，利用模型的层级编码器提取图像特征；不同尺度的特征经过无卷积特征融合模块进行融合；经过融合的特征层再经过解码器，对每个特征层分配固定数量的锚点锚框，并针对锚点锚框进行目标边界框的中心点坐标和长宽值的预测；对预测结果分配正样本，并进行冲突解决和调整。本发明所公开的检测方法在不使用任何卷积层操作的前提下，仅使用Transformer框架模型达到了与卷积神经网络相当甚至更好的性能。

本发明授权一种基于锚的全Transformer框架目标检测方法在权利要求书中公布了：1.一种基于锚的全Transformer框架目标检测方法，其特征在于，包括以下步骤： 步骤一，使用SwinTransformer的层级编码器作为全Transformer目标检测模型的主干网络，并对其进行训练； 步骤二，将待检测的图像输入训练好的模型中，利用模型的层级编码器提取图像特征； 步骤三，不同尺度的特征经过无卷积特征融合模块进行自上而下和自下而上的不同尺度间特征层的融合； 步骤四，经过融合的特征层再经过解码器，对每个特征层分配固定数量的锚点锚框，并针对锚点锚框进行目标边界框的中心点坐标和长宽值的预测，得到预测结果； 步骤五，对解码器的预测结果分配正样本，以及对重复分配的相同样本进行冲突解决和调整； 步骤三中，无卷积特征融合模块的实现方法如下： 上层特征层经过块融合变换为维度加倍和宽高减半，当前特征层经过前馈神经网络维度变化，两者通过拼接操作再与上层特征层块融合结果融合为自上而下融合；该层自上而下融合之后的特征层与上一层自上而下的特征层进行块融合下采样，再相加得到自下而上的融合过程，整个过程使用拼接和特征层维度和大小的线性变换组合而来，不使用任何卷积层。

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山东大学，其通讯地址为：266200 山东省青岛市即墨区滨海路72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”。