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！

龙图腾网获悉常州大学申请的专利基于改进YOLOv6网络模型的水面漂浮小目标的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：CN116863306B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310947525.5，技术领域涉及：G06V10/82；该发明授权基于改进YOLOv6网络模型的水面漂浮小目标的检测方法是由李宁;王明亮;李博;汪立博;杨高朝;袁宝华;徐守坤设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本基于改进YOLOv6网络模型的水面漂浮小目标的检测方法在说明书摘要公布了：本发明涉及一种基于改进YOLOv6网络模型的水面漂浮小目标的检测方法，包括：采用预先训练好的改进YOLOv6网络模型对水面漂浮目标图像进行检测，输出水面小目标检测结果；其中，所述改进YOLOv6网络模型采用细节信息增强模块提高对小目标的细节信息提取能力，采用自适应噪声抑制模块抑制噪声，使用标准化的高斯Wasserstein距离来计算模型训练中的回归损失。本发明能够准确检测出水面的漂浮小目标。

本发明授权基于改进YOLOv6网络模型的水面漂浮小目标的检测方法在权利要求书中公布了：1.一种基于改进YOLOv6网络模型的水面漂浮小目标的检测方法，其特征在于，包括： 采用预先训练好的改进YOLOv6网络模型对水面漂浮目标图像进行检测，输出水面小目标检测结果；其中，所述改进YOLOv6网络模型采用细节信息增强模块提高对小目标的细节信息的提取能力，采用自适应噪声抑制模块抑制噪声，使用标准化的高斯Wasserstein距离来计算模型训练中的回归损失； 所述细节信息增强模块的工作过程包括： 利用不同扩张率的膨胀卷积并行提取低层特征图上的细节特征图，将提取到的细节特征图在特征维度进行融合，将融合后的特征图Fcat输入通道注意力模块中，生成特征图通道注意力权重α；将通道注意力权重α与特征图Fcat相乘，将相乘后的特征图按融合前的比例在通道维度进行顺序拆分并进行求和，公式表达如下： Di＝ψFcat⊙α,    1其中，⊙表示向量点积，ψ·表示顺序拆分和逐元素求和的函数，Di为细节信息增强模块生成的特征图； α＝σWPgavgFcat,    2其中，W∈R为步长为k的一维卷积权重，Pgavg·为全局平均池化函数，σ·为Sigmoid函数； 其中，|t|odd表示最接近t绝对值的奇数，C为特征图通道数，γ＝2，b＝1； 所述自适应噪声抑制模块的工作过程包括： 采用局部平均池化的方式对特征图Gi进行下采样，其次将下采样后的特征图进行特征映射，然后再将特征映射后的特征图经过Sigmid函数生成空间注意力权重特征图，最后进行上采样后恢复到特征图Gi空间大小并乘入到特征图Gi，公式表达如下： Pi＝Gi⊙Si,    4其中，⊙表示向量点积，Si的公式为： Si＝UσW2·δBNW1·PlavgGi,    5其中，U·表示上采样函数，σ·为Sigmoid函数，δ·为Relu函数,W1，W2∈R为步长为1，卷积核大小为1的卷积权重，BN·为BatchNorm2d函数，Plavg·表示局部平均池化函数。

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常州大学，其通讯地址为：213000 江苏省常州市武进区湖塘镇滆湖中路21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”。