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！

龙图腾网获悉大连理工大学;海南寒武能源科技有限公司申请的专利一种基于深度学习的低照度小目标图像识别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：CN119810450B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510014591.6，技术领域涉及：G06V10/26；该发明授权一种基于深度学习的低照度小目标图像识别方法是由王磊;隋文杰;谷一英;刘扬;王涵设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于深度学习的低照度小目标图像识别方法在说明书摘要公布了：本发明提供了一种基于深度学习的低照度小目标图像识别方法，属于图像识别领域。该方法包括：建立低照度小目标数据集，训练多尺度增强模型和小目标语义分割模型，对低照度图像进行增强，将增强后的图像送入语义分割模型，实现对小目标的分割识别，并根据小目标的分割图对目标轨迹进行定位。本发明针对低照度小目标图像，提高网络识别的精度，有效降低误检和漏检的概率；在提高低光图像的亮度、对比度的同时，抑制噪声的放大和细节的丢失，保留细节信息，进而对增强后的图像实现精准、稳定的检测和识别。

本发明授权一种基于深度学习的低照度小目标图像识别方法在权利要求书中公布了：1.一种基于深度学习的低照度小目标图像识别方法，其特征在于，该方法包括以下步骤： S1：采集低照度小目标图像及对应的正常照度图像并对采集到的图像进行标注和预处理，得到低照度小目标数据集； S2：构建多尺度增强模型，利用所述低照度小目标数据集中的低照度图像和对应的正常照度图像训练所述多尺度增强模型，得到MSEM模型，实现对低照度小目标图像的照度增强；所述多尺度增强模型包括分解模块和增强模块； 所述分解模块包括浅层特征提取、激活层序列和最终重建层三个子模块；所述浅层特征提取子模块包含一个卷积层，用于对输入的低照度图像和对应的正常照度图像进行初步特征提取；所述激活层序列子模块对初步提取到的特征信息进行深层次的特征提取，其通过五个由卷积层和Leaky-ReLu激活函数组成的卷积块依次连接而成；所述最终重建层子模块包含卷积层和sigmoid函数，其中卷积层将所述激活层序列子模块输出的特征图从64个通道转换回4个通道，sigmoid函数将输出映射到0-1区间，特征图被分为反射分量和照度分量； 所述增强模块包括特征提取、多尺度特征融合和输出生成三个子模块；所述特征提取子模块包括一个卷积层和三个深度特征提取层，其中卷积层接收反射分量和照度分量作为输入，并将其沿通道维度拼接起来，网络能够捕捉到输入图像中的基本纹理和边缘信息，完成特征信息的初步提取；将卷积层的输出作为第一个深度特征提取层的输入，通过一个带有步长为2的卷积操作进行下采样；第二个深入特征提取层接收第一个深入特征提取层的输出作为输入，并再次通过一个带有步长为2的卷积操作进行下采样；第三个深入特征提取层接收第二个深入特征提取层的输出作为输入，并通过第三个带有步长为2的卷积操作进行下采样；所述多尺度特征融合子模块将每个深入特征提取层的输出都通过上采样操作恢复到前一个层的空间分辨率，并与前一个层的输出沿通道维度拼接起来，完成对不同尺度、不同级别的特征融合；所述输出生成子模块将融合后的特征图输出为增强后的照度分量； S3：构建小目标语义分割模型，利用经所述MSEM模型增强后的低照度小目标图像及所述低照度小目标数据集中的标签图训练所述小目标语义分割模型，得到DR-UNet模型，实现对增强后图像的分割识别；所述小目标语义分割模型包括骨干网络DCSR和特征融合层； 所述骨干网络DCSR包括输入层、卷积层和由多个基本构建块组成的层；所述输入层的输入为增强后的低照度小目标图像及低照度小目标数据集中的标签图；所述卷积层对输入的图像进行初步特征提取；所述由多个基本构建块组成的层包含四个层layer，其中layer1包含3个基本构建块块，layer2包含4个基本构建块，layer3包含6个基本构建块，layer4包含3个基本构建块和空洞空间金字塔池化模块；每个基本构建块内部由两个DC模块依次连接而成，所述DC模块包括顺次连接的卷积层、批量归一化层和Leaky-ReLu激活函数，第二个DC模块中的批量归一化层和Leaky-ReLu激活函数之间依次插入通道注意力模块和空间注意力模块，从而提升网络对图像中重要信息的捕捉能力；所述DC模块中，卷积层用于提取图像特征，将不同通道的信息进行加权组合，输出特征图；批量归一化层对输出特征图的每个通道进行归一化处理，使输出数据具有稳定的分布；Leaky-ReLu激活函数将归一化后的特征图映射到新的空间，生成最终的特征图； 空洞空间金字塔池化模块通过四个空洞卷积层处理layer3的输出特征信息，得到四个不同尺度的特征图；再经全局平均池化分支处理，得到全局上下文特征图；通过上采样恢复到原始输入特征图的大小，将四个不同尺度的特征图和全局上下文特征图在通道维度上进行拼接，得到拼接后的特征图； 所述特征融合层采用密集连接机制，在搭建整体网络框架的每一模块中，都将之前所有模块的输出拼接后共同输入当前层所包含的骨干网络DCSR的基本构建块中，并继续传送到下一层中； S4：将分割后的图像进行轮廓检测，提取分割图像的目标边缘特征； S5：基于所述目标边缘特征进行目标中心定位，实现对小目标位置的获取。

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大连理工大学;海南寒武能源科技有限公司，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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”。

以上内容由龙图腾AI智能生成。