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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利一种水下目标检测模型及其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：CN119579860B 。

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：202411614428.5，技术领域涉及：G06V10/25；该发明授权一种水下目标检测模型及其检测方法是由潘炜;彭利坤;汪洋;金浩;吕帮俊;张鹏;宋飞;陈佳宝设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种水下目标检测模型及其检测方法在说明书摘要公布了：本发明属于目标检测方法技术领域，尤其涉及一种水下目标检测模型及其检测方法。本文基于YOLOv9s模型进行了改进，提出了检测模型。该模型通过整合双动态令牌混合器模块，增强了特征提取能力。设计了通道注意力与空间注意力网络，利用通道注意力模块与空间注意力模块引导特征融合，从而提高了水下目标检测的准确性和实时性。充分考虑了水下环境的特殊性，通过动态调整特征提取过程中的令牌分配，提升了模型对复杂环境中目标的识别能力。同时，通道注意力与空间注意力机制的引入，有效地增强了特征融合的效果，提高了目标检测的精度和可靠性，且权重小，确保了模型的高效性和可移植性。

本发明授权一种水下目标检测模型及其检测方法在权利要求书中公布了：1.一种水下目标检测模型，其特征在于，具体结构如下： 以YOLOv9s主干网络为基础，以中广义高效层聚合网络作为特征提取单元，其中基础卷积模块为RepConv网络；利用步长为2的卷积模块实现特征图的下采样和特征提取，经过3个广义高效层聚合网络模块及5个普通卷积模块的特征提取和下采样； 在主干网络的第8层后插入D-Mixer模块，利用自注意力增加特征图中关键特征信息的比重，提高网络的特征提取能力，D-Mixer模块的输入输出模块保持一致，以保持特征图的维度大小；所述D-Mixer模块其将输入特征分成两部分，分别经过一个全局自注意力模块和一个依赖于输入的深度卷积模块进行处理，然后将两个输出连接在一起，通过压缩令牌增强模块实现局部token聚合； IDConv模块用于以动态输入相关的方式引入归纳偏置，并进行局部特征聚合；IDConv模块通过采用自适应平均池来聚合空间上下文，然后通过两个卷积层产生注意力图，最终产生依赖于输入的深度卷积核； 以YOLOv9s颈部网络为基础，将每个通到中的特征图平均池化作为通道平均特征，利用GELU函数激活，以提供非线性变换并帮助网络学习数据的复杂分布，利用sigmoid激活函数生成注意力权重并确保位于0到1之间； 最终将注意力权重与对应位置特征数相乘，得到局部通道注意力机制模块； 所述局部通道注意力机制模块利用特征间的通道关系来生成通道注意力图，但将其中的激活函数由ReLU替换为GELU； 局部空间注意力模块利用特征间空间关系，通过分别求取局部和全局的特征，最终加权融合激活获得空间注意力图；通道注意力图与空间注意力图的计算过程如下： 通道注意力图： 空间注意力图： 其中，是指对特征图进行平均池化； 是指全连接层激活平均特征； 是指对平均池化进行sigmoid映射； 是指拼接后加权融合激活获得空间注意力； 其中输出端通过三种不同预测框包含目标的分类、位置、置信度信息，最后通过非极大值抑制剔除冗余框，配合辅助可逆分支的信息流转，对信息融合过程进行改进； 所述辅助可逆分支的基本结构依次包括：两级通道分离卷积块、可逆残差块和循环非对称卷积增强网络模块； 所述两级通道分离卷积块用于增加模型的感受野和提高特征的表达能力，通道分离卷积块完成两个操作：通道分离和卷积；其中通道分离是指将输入特征图按照通道分成两部分，分别进行不同的卷积操作，然后将结果进行拼接；其中卷积是指以对输入特征图进行卷积操作以提取特征信息，采用深度可分离卷积减少计算量的情况下提高模型的准确率； 可逆残差块利用残差结构来确保前向传播的信息不会丢失； 循环非对称卷积增强网络模块通过非对称卷积方式对特征图进行循环处理捕捉图像中的多尺度特征。

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人民解放军海军工程大学，其通讯地址为：430033 湖北省武汉市解放大道717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。