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！

龙图腾网获悉南京航空航天大学申请的专利一种基于脉冲神经网络的无人机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：CN119559527B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411581581.2，技术领域涉及：G06V20/17；该发明授权一种基于脉冲神经网络的无人机目标检测方法是由刘虎;沈一宇;查可可;刘续;蔡晨雷;洪方设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本一种基于脉冲神经网络的无人机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脉冲神经网络的无人机目标检测方法，通过直接训练的脉冲神经网络降低延迟，并利用脉冲多尺度注意力机制增强时空特征的提取，从而提高目标检测的准确性。该方法包括：获取无人机待检测图像，并对其进行脉冲编码；将脉冲信号输入由脉冲残差基本块构成的脉冲残差主干网络进行特征提取，生成多尺度和多层次的特征图；将特征图输入脉冲多尺度注意力机制进行处理；再将处理后的特征图输入检测头，进行目标检测并输出结果。本发明能够提取更丰富的图像特征信息，具有高效的计算性能和低能耗的优点，并且通过较小的时间步长实现低延迟。

本发明授权一种基于脉冲神经网络的无人机目标检测方法在权利要求书中公布了：1.一种基于脉冲神经网络的无人机目标检测方法，其特征在于，包括以下步骤： 步骤一、获取无人机待检测图像，并对其进行脉冲编码； 步骤二、将脉冲信号输入由脉冲残差基本块构成的脉冲残差主干网络，进行特征提取，得到不同尺度和层次的特征图； 步骤三、将步骤二中获得的特征图输入脉冲多尺度注意力机制进行处理； 所述步骤三具体为： 在步骤二所获得的特征图送入脉冲多尺度注意力机制进行特征加强；脉冲多尺度注意力机制利用特征分组将特征划分为跨不同资源的多个集合，确保每个组在空间上分布良好；然后通过1×1和3×3注意力分支并行处理这些分组的特征图； X＝[X0,X1,Xi,…,XG],Xi∈RT×CG×H×W 其中：输入特征张量X表示为X＝[X0,X1,Xi,…,XG]，其中：Xi为第i个子组特征，满足Xi∈RT×CG×H×W；R为矩阵，表示参数张量的维度；T表示时间步数，C是通道总数，G代表分组个数，H和W分别是特征图的高度和宽度；通过设置G＜＜C，子组卷积利用现代硬件的并行计算能力进行跨不同组同时处理； P＝GNσfPWAvgPoolHXS⊙σfPWAvgPoolWXS⊙XS 其中：σ代表Sigmod函数，⊙逐元素点积，GN为组归一化，AvgPoolH表示沿高度维度H进行的全局平均池化操作，AvgPoolW表示沿宽度维度W进行的全局平均池化操作；P是通过结合对两个空间维度H,W的全局平均池化结果应用逐点卷积fPW的输出计算得出的；其中：AvgPoolHXS∈RT×CG×1×W和AvgPoolHXS∈RT×CG×H×1分别表示沿高度和宽度维度的全局平均池化操作；XS∈RT×CG×H×W表示输入特征图； 在1×1注意力分支Att1×1中，1×1卷积运算无需降维，从而进行通道特征集成和空间注意力计算； 其中：表示矩阵乘法，AvgPoolP∈RT×CG×1×1表示P的全局平均池化，从而产生一个捕捉全局上下文的紧凑特征图；在3×3注意力分支Att3×3中，堆叠了一个3×3卷积层f3×3，用于捕获多尺度特征表示和局部上下文信息： 其中：AvgPoolf3×3XS是经过3×3卷积和随后的池化之后的中间特征图；两个注意力图Att1×1和Att3×3的形状均为RT×1×H×W， AttS＝σAtt1×1+Att3×3 融合多尺度注意力图AttS是通过对1×1和3×3分支的输出求和，然后进行Sigmoid激活，随后将其与输入特征图X逐元素相乘，得到最终输出特征图Oatt： Oatt＝X⊙AttS； 步骤四、将步骤三处理后的特征图输入检测头，进行目标检测并输出检测结果。

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京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29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。