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！

龙图腾网获悉中科领航智能科技(苏州)有限公司申请的专利一种高效检测道路物体的强拓展性特征提取网络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：CN119649052B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202411823406.X，技术领域涉及：G06V10/44；该发明授权一种高效检测道路物体的强拓展性特征提取网络检测方法是由朱凤华;谢磊磊;郑奎设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种高效检测道路物体的强拓展性特征提取网络检测方法在说明书摘要公布了：本发明提供一种高效检测道路物体的强拓展性特征提取网络检测方法，涉及自动驾驶道路物体检测技术领域。所述方法包括：将捕获的道路图像输入空间金字塔并行池化模块，确定输出特征图；将所述输出特征图输入TDGL平行分支卷积，确定分辨率更高的特征图；采用GL特征提取的输入特征，进行批量归一化处理和仿射变换，确定归一化结果和仿射变换的输出特征；对所述输出特征进行LeakRelu反向传播训练神经网络，确定损失函数L的偏导；获取每个目标的边界框和置信度；通过Soft‑NMS非极大值抑制算法，确定调整后的目标置信度。根据本发明，可有效地处理空间层次信息并避免计算负担的增加，提高道路物体的检测精度。

本发明授权一种高效检测道路物体的强拓展性特征提取网络检测方法在权利要求书中公布了：1.一种高效检测道路物体的强拓展性特征提取网络检测方法，其特征在于，包括： 将捕获的道路图像输入空间金字塔并行池化模块，转换成固定长度的特征向量，获取输入特征图； 将所述输入特征图进行最大池化处理后，分别进行自适应最大池化和自适应平均池化，再进行拼接，确定拼接后的特征图，包括： 根据公式 确定拼接后的特征图f，其中，、、、、分别为第1、2、3、、次最大池化处理后的结果，且，y为输入特征图的初始卷积降维值，k为最大池化窗口的大小，s为步幅，p为填充值，为自适应最大池化处理后的结果，为自适应平均池化处理后的结果，为自适应池化将任意大小的输入特征图转换为1×1特征图，且为正整数； 对所述拼接后的特征图进行卷积并应用激活函数，确定输出特征图，包括： 根据公式 确定输出特征图，其中，为卷积运算后的结果，h为输出特征图的高度，w为输出特征图的宽度，c为输出通道数，为特征映射中的通道数，为输入通道位置对应的第c个输出通道权重矩阵元素，为特征映射在相应位置的值，为输出通道c的偏置项，，且c、和均为正整数，为激活函数； 将所述输出特征图输入TDGL平行分支卷积，确定分辨率更高的特征图，其中，所述TDGL平行分支卷积，共三个平行分支，一个1×1尺寸卷积核的GLConv卷积层，两个3×3尺寸卷积核堆叠的卷积层，末端使用shortcut跨越方式收集特征，将控制卷积操作的步长值默认为1，计算中间层通道数的缩减因子设置为8，跳跃连接的缩放系数默认为0.1，1号分支末层卷积膨胀率设置为1，2号分支末层卷积膨胀率设置为3，3号分支末层卷积膨胀率设置为5； 所述TDGL平行分支卷积，包括： 根据公式 获取TDGL平行分支卷积的输出，其中，x、y为输出特征映射的x轴、y轴，z为y轴的偏移量，q为x轴的偏移量，和为核尺寸大小，，，为分支卷积的输入，W为卷积滤波器； 对所述分辨率更高的特征图采用GL特征提取的输入特征，进行批量归一化处理和仿射变换，确定归一化结果和仿射变换的输出特征； 对所述输出特征进行LeakRelu反向传播训练神经网络，确定损失函数L的偏导； 通过CIoU损失函数，获取每个目标的边界框和置信度； 根据所述边界框和所述置信度，通过Soft-NMS非极大值抑制算法，确定调整后的目标置信度。

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中科领航智能科技(苏州)有限公司，其通讯地址为：215000 江苏省苏州市吴江区东太湖生态旅游度假区(太湖新城)简村路100号苏州湾智慧信息产业园18层1801室；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”。