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！

龙图腾网获悉南京莱斯电子设备有限公司申请的专利一种基于多尺度特征解耦的机场飞行区目标实时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：CN116206257B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310057411.3，技术领域涉及：G06V20/52；该发明授权一种基于多尺度特征解耦的机场飞行区目标实时检测方法是由吉咸阳;朱伟;胡迪;董小舒;王啸;辛付豪;邢志强;齐美彬;庄硕设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。

本一种基于多尺度特征解耦的机场飞行区目标实时检测方法在说明书摘要公布了：本发明公开了一种基于多尺度特征解耦的机场飞行区目标实时检测方法，其步骤包括：1、获取机场飞行区监控视频，构建机场飞行区目标检测数据集；2、构建多尺度特征融合模块，实现不同尺度目标的检测；3、将目标检测中的分类和定位任务进行解耦，构建基于特征解耦的学习网络；4、将基于特征解耦的学习网络和多尺度特征融合模块加入到YOLOv5目标检测网络，结合损失函数来训练优化目标检测模型。本发明利用多尺度特征融合模块聚合浅层细节信息和深层语义信息，增强了不同尺度目标的检测能力，并利用特征解耦学习网络解耦分类和定位任务，分别学习旋转不变和旋转协变特征，提升了目标检测的准确性。

本发明授权一种基于多尺度特征解耦的机场飞行区目标实时检测方法在权利要求书中公布了：1.一种基于多尺度特征解耦的机场飞行区目标实时检测方法，其特征在于，包括如下步骤： 步骤1，构建机场飞行区目标检测数据集； 步骤2，构建多尺度特征融合模块：设计基于通道注意力机制和空间注意力机制的多尺度特征融合模块； 步骤3，构建基于特征解耦的学习网络：用于解耦分类任务和回归任务，通过不同的网络分支获取目标的类别和位置； 步骤4，构建目标检测模型，即将多尺度特征融合模块和基于特征解耦的学习网络加入到YOLOv5目标检测架构，得到目标检测模型； 步骤5，目标检测模型训练、验证及应用：基于步骤1所构建的机场飞行区目标检测数据集，训练步骤4所构建的目标检测模型，并进行验证，完成基于多尺度特征解耦的机场飞行区目标实时检测； 其中，步骤2中所述构建多尺度特征融合模块，具体方法如下： 步骤2.1，选择CSPNet作为基础的特征提取网络，输入待检测图像后得到不同尺寸大小的特征图C3、C4和C5，特征图尺寸大小分别为80×80，40×40和20×20； 步骤2.2，特征图C5经过上采样处理，得到特征图CS5，尺寸大小为40×40； 步骤2.3，特征图C4经过空间注意力模块，即C4分别经过最大值池化和均值池化操作，得到的特征图进行拼接；拼接后的特征图经过2D卷积和Sigmoid激活函数后得到特征图C4的空间权重；再将空间权重与特征图C4相乘，得到含有空间权重信息的特征图CSA4，尺寸大小为40×40； 步骤2.4，特征图C4经过通道注意力模块，即C4分别经过通道级全局最大值池化和均值池化，得到的特征图分别进行1D卷积后聚合在一起；聚合后的特征图与特征图C4相乘，得到含有通道权重信息的特征图CCA4，尺寸大小为40×40； 步骤2.5，将步骤2.2中获得的特征图CS5、步骤2.3中获得的特征图CSA4和步骤2.4中获得的特征图CCA4相加，得到融合后的特征图F1； 步骤2.6，特征图C4经过上采样处理，得到特征图CS4，尺寸大小为80×80； 步骤2.7，特征图C3经过空间注意力模块，即C3分别经过最大值池化和均值池化操作，得到的特征图进行拼接；拼接后的特征图经过2D卷积和Sigmoid激活函数后得到特征图C3的空间权重；再将空间权重与特征图C3相乘，得到含有空间权重信息的特征图CSA3，尺寸大小为80×80； 步骤2.8，特征图C3经过通道注意力模块，即C3分别经过通道级全局最大值池化和均值池化，得到的特征图分别进行1D卷积后聚合在一起；聚合后的特征图与特征图C3相乘，得到含有通道权重信息的特征图CCA3，尺寸大小为80×80； 步骤2.9：将步骤2.6中获得的特征图CS4、步骤2.7中获得的特征图CSA3和步骤2.8中获得的特征图CCA3相加，得到融合后的特征图F2； 步骤2.10：特征图C5经过2D卷积处理，得到特征图F3。

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莱斯电子设备有限公司，其通讯地址为：210007 江苏省南京市秦淮区苜蓿园东街1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。