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！

龙图腾网获悉中国科学院国家空间科学中心申请的专利面向小目标的目标检测网络的构建、训练、及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：CN120599386B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511100238.6，技术领域涉及：G06V10/764；该发明授权面向小目标的目标检测网络的构建、训练、及检测方法是由刘申澳;徐海涛;薛长斌;郑铁设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本面向小目标的目标检测网络的构建、训练、及检测方法在说明书摘要公布了：本公开提供了一种面向小目标的目标检测网络及其训练方法、检测方法，包括：编码器结构和解码器结构；编码器结构包括双分支混合编码器，包括Transformer编码器分支和CNN编码器分支；Transformer编码器分支包括多个Transformer模块，CNN编码器分支包括多个第一级联卷积残差块；针对位置对应的每组Transformer模块和第一级联卷积残差块设置有交互融合模块；交互融合模块，用于接收对应组输出的第一处理结果，对所述第一处理结果进行融合；并将得到的融合结果以及所述第一处理结果输入相邻的下一组Transformer模块和第一级联卷积残差块；解码器结构，用于对编码器结构提取并融合的特征进行上采样与还原重建，输出图像中小目标的检测结果。使检测得到的小目标更加准确。

本发明授权面向小目标的目标检测网络的构建、训练、及检测方法在权利要求书中公布了：1.一种面向小目标的目标检测网络的构建方法，其特征在于，包括：顺次连接的编码器结构和解码器结构；所述编码器结构包括双分支混合编码器；所述双分支混合编码器包括Transformer编码器分支和CNN编码器分支； 所述Transformer编码器分支包括多个Transformer模块，所述CNN编码器分支包括多个第一级联卷积残差块，所述Transformer模块与所述第一级联卷积残差块数量一致且位置对应；针对位置对应的每组Transformer模块和第一级联卷积残差块，为该组Transformer模块和第一级联卷积残差块设置有交互融合模块； 所述交互融合模块，用于接收对应组Transformer模块和第一级联卷积残差块输出的第一处理结果，通过共享投影对齐特征以及利用跨注意机制对所述第一处理结果进行融合；并将得到的融合结果以及所述第一处理结果输入相邻的下一组Transformer模块和第一级联卷积残差块； 所述解码器结构，用于对编码器结构提取并融合的特征进行上采样与还原重建，输出对输入所述编码器结构的图像数据中小目标进行识别的结果； 所述交互融合模块包括压缩模块、投影模块、激活模块和信息交叉模块； 所述压缩模块，用于采用全局平均池化进行空间压缩操作，将CNN特征和Transformer特征压缩为通道维度上的紧凑描述符与： ； ； 其中，表征CNN特征图的空间维度；表征CNN特征图的通道数；表征Transformer特征图的空间维度；表征Transformer特征图的通道数； 所述投影模块，用于采用下式将通道描述符与拼接后投影到共享潜在空间，实现本地与全局语义的对齐融合： ； ； ； 其中，表征通道的特征表示；表征通道的特征表示；、、表征权重矩阵；、、表征偏置； 所述激活模块，用于将与通过Sigmoid激活后分别与、进行元素级相乘，得到初步优化特征： ； ； 所述信息交叉模块，用于基于如下交叉注意机制实现两个分支之间的信息互通，得到交叉注意特征和： ； ； 将交叉注意特征拼接后通过1×1卷积进行通道压缩，生成融合输出： ； 其中，表征通过线性变换得到的查询矩阵；表征通过线性变换得到的键矩阵并进行转置；表征通过线性变换得到的值矩阵；表征键矩阵的维度；表征通过线性变换得到的查询矩阵；表征通过线性变换得到的键矩阵并进行转置；表征通过线性变换得到的值矩阵；表征键矩阵的维度。

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中国科学院国家空间科学中心，其通讯地址为：100190 北京市海淀区中关村南二条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。