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！

龙图腾网获悉南开大学申请的专利一种基于YOLO的轻量级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：CN120182585B 。

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：202510654862.4，技术领域涉及：G06V10/25；该发明授权一种基于YOLO的轻量级目标检测方法是由张晓宇;宋子京;檀盼龙设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种基于YOLO的轻量级目标检测方法在说明书摘要公布了：本发明涉及计算机视觉技术领域，提供一种基于YOLO的轻量级目标检测方法。包括以下步骤：获取并预处理图像，获得预处理后的图像；基于YOLOv8框架建立轻量级目标检测模型，所述轻量级目标检测模型包括主干网络、特征提取网络和联合剪枝‑优化模块；设置训练参数，使用预处理后的图像对所述轻量级目标检测模型进行训练，得到轻量级目标检测训练模型；将需要的检测图像输入到轻量级目标检测训练模型中，得到检测结果。本发明通过替换骨干特征提取网络提高模型的检测精度和特征融合能力。然后利用模型稀疏化训练和模型剪枝，提升推理速度降低网络参数，通过知识蒸馏恢复模型精度并保持模型轻量性。

本发明授权一种基于YOLO的轻量级目标检测方法在权利要求书中公布了：1.一种基于YOLO的轻量级目标检测方法，其特征在于，包括： S1：获取并预处理图像，获得预处理后的图像； S2：基于YOLOv8框架建立轻量级目标检测模型，所述轻量级目标检测模型包括主干网络、特征提取网络和联合剪枝‑优化模块；所述主干网络包括轻量级FasterNet模块，所述轻量级FasterNet模块的运行步骤为： S11：将FasterNet输入数据进行通道划分得到通道组数据，对所述通道组数据按通道进行PConv卷积得到第一模块输出数据； S12：对所述第一模块输出数据进行深度可分离卷积，得到第二模块输出数据； S13：对所述第二模块输出数据进行GLU堆叠，使用ReLU函数激活得到第三模块输出数据； S14：对所述第三模块输出数据进行卷积，得到第四模块输出数据； S15：将所述FasterNet输入数据与所述第四模块输出数据逐元素相乘得到FasterNet输出数据； 所述特征提取网络包括Dim‑SimAM模块； 所述Dim‑SimAM模块包括： S21：根据SimAM算法求解输入特征图的中间特征图和最小化能量函数； S22：根据所述输入特征图和最小化能量函数求解动态参数； S23：根据所述动态参数和中间特征图更新，得到更新后SimAM算法； S24：将所述输入特征图根据更新后SimAM算法，计算得到输出特征图； 利用能量函数的闭合解来增强神经元的有效信息输出，其中能量函数值在通道和空间维度上将所有神经元的最小化能量函数分组，引入可学习参数，根据输入特征图的统计特性自适应调整能量函数的敏感度，公式如下： 其中，为可学习参数,为激活函数，为全局平均池化函数，设计多尺度金字塔注意力，通过上采样操作融合不同分辨率的特征图，对输入特征图进行多尺度下采样，在各尺度上独立应用SimAM生成注意力权重，通过双线性插值上采样对齐分辨率，加权融合多尺度注意力图，其中，为多层能量函数值，为可学习的尺度权重系数，为上采样函数，为求取单层能量函数值函数； 所述联合剪枝‑优化模块，包括以下步骤： S31：计算所述轻量级目标检测模型的稀疏损失； S311：采用正则化对轻量级目标检测模型的BN层系数进行稀疏化，得到剪枝后的轻量级目标检测模型，计算层稀疏参数，其中BN层的计算公式如下： 其中，为BN层中间值，为BN层输入，为BN层均值，为BN层方差，为防止分母为0的参数，为BN层输出，为BN层第一参数，为BN层第二参数； S312：根据所述层稀疏参数计算所述稀疏损失： 其中，为第个BN层第一参数，为剪枝后层序数，，为剪枝后总层数，为一阶范数； S32：计算所述轻量级目标检测模型的蒸馏损失； S321：对所述轻量级目标检测模型进行知识蒸馏，得到教师模型和学生模型； S322：计算所述教师模型的动态响应，根据所述动态响应调节剪枝阈值： 其中，为可调系数，为平均值函数，为教师网络第层BN的第一参数均值； S323：根据所述剪枝阈值、教师模型和学生模型计算蒸馏损失： 其中，为教师‑学生网络的特征层对齐集合，第层的教师模型Fn损失，第层的学生模型Fn损失，为二阶范数； S33：计算所述轻量级目标检测模型的任务损失，所述任务损失为YOLO模型的框回归损失和目标置信度损失之和； S34：计算总损失，所述总损失为所述任务损失、稀疏损失和蒸馏损失之和，当所述总损失收敛时，所述轻量级目标检测模型训练完成； 其中，为蒸馏损失参数，为剪枝损失参数，为任务损失参数，为任务损失； S3：设置训练参数，使用预处理后的图像对所述轻量级目标检测模型进行训练，得到轻量级目标检测训练模型； S4：将需要的检测图像输入到轻量级目标检测训练模型中，得到检测结果。

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南开大学，其通讯地址为：300071 天津市南开区卫津路94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。