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！

龙图腾网获悉昆明理工大学申请的专利一种低分辨率振动图像目标检测网络结构、训练方法及应用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：CN116863332B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310776506.0，技术领域涉及：G06V20/10；该发明授权一种低分辨率振动图像目标检测网络结构、训练方法及应用是由杨荣良;王森;付涛;王庆健;林森设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种低分辨率振动图像目标检测网络结构、训练方法及应用在说明书摘要公布了：本发明公开了一种低分辨率振动图像目标检测网络结构、训练方法及应用，所述网络结构包括目标图像重建网络模型、视觉目标检测网络模型；目标图像重建网络模型用于将输入的低分辨率振动图像进行重建，获得超分辨率重建图像；视觉目标检测网络模型用于对输入的超分辨率重建图像进行目标检测。本发明有效解决了当前低分辨率下采样桥梁结构体的振动图像导致图像高频细节部分丢失问题；有效解决了少量的特征参数无法在低分辨率图像中保证结构振动目标的有效识别，边界框贴合不紧密使目标中心点产生偏移误差问题；能够实现训练样本和预测样本之间的有效映射，提高了检测性能，并且为大型桥梁设备健康监测提供新方案。

本发明授权一种低分辨率振动图像目标检测网络结构、训练方法及应用在权利要求书中公布了：1.一种低分辨率振动图像目标检测网络系统，其特征在于，包括目标图像重建网络模型、视觉目标检测网络模型；目标图像重建网络模型用于将输入的低分辨率振动图像进行重建，获得超分辨率重建图像；视觉目标检测网络模型用于对输入的超分辨率重建图像进行目标检测； 所述目标图像重建网络模型包括依次连接的第一特征提取模块、信息提取模块和重构模块，信息提取模块包括下采样子模块和上采样子模块；其中，第一特征提取模块对输入的图像进行特征提取，获得浅层特征；下采样子模块以特征提取模块的输出作为输入，下采样子模块的输出作为上采样子模块的输入；重构模块利用跳跃连接将浅层特征和上采样子模块的输出进行聚合，利用亚像素卷积层实现上采样，获得超分辨振动图像；其中，下采样子模块中的信息提取子模块的数量与上采样子模块中信息提取子模块的数量相等； 所述下采样子模块包括依次连接的第1个信息提取子模块-第n个信息提取子模块且相邻两个信息提取子模块之间进行降采样操作，上采样子模块包括依次连接的第n+1个信息提取子模块-第2n个信息提取子模块且相邻两个信息提取子模块之间进行上采样操作；第n个信息提取子模块的输出进行卷积操作作为第n+1个信息提取子模块的输入；第1个信息提取子模块的输出经卷积操作后和第2n-1个信息提取子模块经上采样操作的输出共同作为第2n个信息提取子模块的输入； 2n个信息提取子模块结构相同，均包括依次连接的第二卷积操作、窗口Transformer、第三卷积操作和全局Transformer；其中第二、第三卷积操作与第一特征提取模块中第一卷积操作相同； 所述视觉目标检测网络模型包括依次连接的第二特征提取模块、特征融合模块和目标检测模块； 所述第二特征提取模块包括依次连接的第四卷积操作、第一深度可分离卷积层、第一模型压缩操作、第二深度可分离卷积层、第二模型压缩操作、第三深度可分离卷积层、第三模型压缩操作和空间金字塔池化层； 所述特征融合模块包括依次连接的第四深度可分离卷积层、第四模型压缩操作、第一反卷积操作、第五深度可分离卷积层、第二反卷积操作；将第二特征提取模块中空间金字塔池化层的输出经第四深度可分离卷积层、第四模型压缩操作的结果及第二特征提取模块中第三深度可分离卷积层的输出特征作为第一反卷积操作的输入，第一反卷积操作的输出作为第五深度可分离卷积层的输入，第五深度可分离卷积层的输出及第二特征提取模块中第二深度可分离卷积层的输出特征经第二反卷积操作后输出至目标检测模块； 模型压缩操作由第一记忆模块输出进行BN正则化和RELU激活后再经过第六深度可分离卷积层输出至第二记忆模块，最后进行BN正则化输出。

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昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253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。