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！

龙图腾网获悉南京邮电大学申请的专利一种基于注意力机制的自适应微小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：CN119478376B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411768140.3，技术领域涉及：G06V10/25；该发明授权一种基于注意力机制的自适应微小目标检测方法是由赵学健;苏慧莹;孙知信;孙哲设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于注意力机制的自适应微小目标检测方法在说明书摘要公布了：本发明公开了一种基于注意力机制的自适应微小目标检测方法，涉及计算机视觉技术领域，其中方法包括：获取数据集；构建特征增强模块；构建自适应稀疏卷积检测头；构建基于注意力机制的自适应微小目标检测模型，将特征增强模块加入主干网络中，使用自适应稀疏卷积检测头代替原始检测头；确定最终的微小目标检测模型。本发明构建自适应稀疏卷积头，通过通道注意力机制动态调整稀疏卷积在不同FPN层对应检测头的使用，有效平衡模型复杂度与检测精度，提高微小物体检测精度的同时保持计算效率；构建特征增强模块，利用全局平均池化融合全局上下文信息，增强了模型对微小物体的特征表示能力，提高了模型在复杂环境下对不同大小物体的检测性能。

本发明授权一种基于注意力机制的自适应微小目标检测方法在权利要求书中公布了：1.一种基于注意力机制的自适应微小目标检测方法，其特征在于：所述方法包括如下步骤： S1，获取数据集：通过图像采集设备采集小目标图像，并对图像进行标注，将数据集划分为训练集和验证集， S2，构建特征增强模块， S3，构建自适应稀疏卷积检测头， S4，构建基于注意力机制的自适应微小目标检测模型：包括主干网络、颈部网络、检测头，将特征增强模块加入主干网络中，使用自适应稀疏卷积检测头代替原始检测头， S5，确定最终的微小目标检测模型：使用训练集训练基于注意力机制的自适应微小目标检测模型，使用验证集评估微小目标检测模型； 其中：所述S2中，所述特征增强模块通过对层特征图进行全局平均池化得到全局特 征向量，利用卷积调整该向量通道数，经双线性插值上采样后与层特征图相加融 合，提高FPN层的特征图表示，具体步骤包括： S21，全局平均池化，对最高层特征图进行全局平均池化，即对每个通道的特征值求 平均，得到一个通道数相同、空间维度为的全局特征向量，这个向量代表整个图像的 全局上下文信息， S22，卷积调整：通过的卷积层对全局平均池化得到的全局特征向量进行通 道数的调整，以匹配原始最高层特征图的通道数，以便于后续的融合操作， S23，双线性插值上采样，将经过卷积调整后的全局特征向量进行双线性插值上采 样，使其空间尺寸与层特征图相匹配， S24，特征融合，将双线性插值上采样后的全局特征图与双线性插值层横向连接特征图进行相加融合； 所述S3中，自适应稀疏卷积检测头利用通道注意力机制量化每个FPN层的特征通道重要性，得到权重，根据这些权重动态决定是使用稀疏卷积检测头还是普通检测头，自适应稀疏卷积检测头的自适应过程包括以下步骤： S3，构建自适应稀疏卷积检测头， S31，利用通道注意力机制量化每个FPN层的特征通道重要性，得到权重，定义FPN的输 出为特征图列表，其中，列表中的每个值对应FPN一个特定层级的特征图输出，代表FPN 的第层，其中，表示为： 使用通道注意力网络对特征图列表进行处理，得到一个注意力分数列表，其中 对应FPN第层注意力分数输出，表示为： S32，设定阈值，将步骤S31中的注意力分数与阈值进行比较以确定是否在特定的FPN层 级上使用含稀疏卷积的检测头，阈值表示为，如果，转入步骤S33，否则，转入步骤 S34； S33，FPN的第层使用含有稀疏卷积的检测头进行检测，输出检测结果，表示为： S34，使用普通的检测头进行检测，检测结果为：

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京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。