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！

龙图腾网获悉东南大学申请的专利一种基于混合空洞卷积的CA-YOLO目标检测算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：CN115170931B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210852735.1，技术领域涉及：G06V20/00；该发明授权一种基于混合空洞卷积的CA-YOLO目标检测算法是由张小国;滕浩;丁立早;杜文俊;王琦设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种基于混合空洞卷积的CA-YOLO目标检测算法在说明书摘要公布了：本发明设计了一种基于混合空洞卷积的CA‑YOLO目标检测算法，主要包括以下几个步骤：搭建YOLOv4模型；在SPP模块之前加入CA注意力模块，在主干网络backbone的残差模块中添加注意力模块；设计混合空洞卷积模块，将其添加到主干网络CSPDarkNet‑53中；在主干网络输出的卷积层和空间金字塔结构SPP上下两侧的卷积层中改变卷积次数，同时在PANet结构中的P3、P4头部输出端前侧和从特征金字塔提取后的P5位置加入空洞卷积，至此，CA‑YOLO模型搭建完毕；采用预训练好的模型对CA‑YOLO模型进行初始化，对模型进行训练，引入类平滑标签改进损失函数对模型进行优化，使用训练好的CA‑YOLO模型和YOLOv4模型对测试集进行图像检测，对比性能。

本发明授权一种基于混合空洞卷积的CA-YOLO目标检测算法在权利要求书中公布了：1.一种基于混合空洞卷积的CA-YOLO目标检测方法，其特征在于，包括以下步骤： 步骤1：搭建YOLOv4模型； 步骤1.1：采用CSPDarknet-53作为骨干网络backbone，采用SPP作为Neck部分的附加模块，采用PANet作为Neck部分的特征融合模块，采用YOLOv3作为检测头部分； 步骤2：在YOLOv4模型中加入CA注意力模块； 步骤3：设计混合空洞卷积模块，添加到YOLOv4模型中； 步骤3.1：采用空洞系数为2的3×3空洞卷积对输入特征图进行处理，得到特征图1； 步骤3.2：分别采用空洞系数为1和3的3×3空洞卷积对步骤3.1得到的特征图1进行处理，得到特征图2和特征图3，合并两种特征图得到特征图4； 步骤3.3：采用空洞系数为1的3×3空洞卷积对步骤3.2得到的特征图4进行处理，得到特征图5，混合空洞卷积模块搭建完毕； 步骤3.4：将混合空洞卷积模块添加到步骤1.1搭建的主干网络CSPDarkNet-53中； 步骤4：在YOLOv4模型中添加卷积层，并在PANet结构中加入空洞卷积； 步骤4.1：在步骤1.1搭建的主干网络输出的卷积层和空间金字塔结构SPP上下两侧的卷积层中，将原来的卷积核为1×1、3×3、1×1三次卷积变为卷积核为1×1、3×3、1×1、3×3四次卷积； 步骤4.2：在步骤1.1搭建的PANet结构中的P3、P4头部输出端前侧和从特征金字塔提取后的P5位置加入空洞卷积； 步骤5：训练模型，改进损失函数对模型进行优化，对比不同模型性能； 其中，引入类平滑标签对原标签进行软化；公式如下： 式中ε为平滑因子，表示当前样本的独热真实标签，Nclass表示类别数量。

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南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。