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！

龙图腾网获悉天府绛溪实验室申请的专利基于多尺度粒度特征的图像目标检测方法、装置、设备及介质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：CN121280916B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511831648.8，技术领域涉及：G06V20/10；该发明授权基于多尺度粒度特征的图像目标检测方法、装置、设备及介质是由马凌飞;李军;张益民;陈楚璇;张德栋设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本基于多尺度粒度特征的图像目标检测方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种基于多尺度粒度特征的图像目标检测方法、装置、设备及介质，涉及计算机视觉与雷达图像处理技术领域，提升检测精度与效率，适应性较好。所述方法包括：确定待检测图像，对待检测图像进行多尺度粒度特征图提取以及融合处理，得到目标多尺度粒度特征图；基于多尺度粒度引导注意力机制，对目标多尺度粒度特征图进行精炼处理；提取处理后的目标多尺度粒度特征图的全局特征和局部特征，对局部特征进行增强处理，并对全局特征和增强处理后的局部特征进行跨尺度特征融合处理，得到融合后的多尺度特征；依据融合后的多尺度特征，对待检测图像进行目标类别预测以及目标边界框预测，将预测得到的结果作为对待检测图像的目标检测结果并输出。

本发明授权基于多尺度粒度特征的图像目标检测方法、装置、设备及介质在权利要求书中公布了：1.一种基于多尺度粒度特征的图像目标检测方法，其特征在于，包括： 确定待检测图像，对所述待检测图像进行多尺度粒度特征图提取，以及对提取到的多尺度粒度特征图进行特征图融合处理，得到目标多尺度粒度特征图； 基于多尺度粒度引导注意力机制，对所述目标多尺度粒度特征图进行精炼处理，得到处理后的所述目标多尺度粒度特征图；其中，对所述目标多尺度粒度特征图进行精炼处理包括：按照所述多尺度粒度引导注意力机制的指示，采用Otsu算法对所述待检测图像进行处理，得到粗粒度二值掩码图，其中，所述粗粒度二值掩码图中将所述待检测图像中的背景区域标记为0，将除所述背景区域外的其他区域标记为1；对所述目标多尺度粒度特征图进行通道压缩处理，对压缩后的所述目标多尺度粒度特征图进行空间维度的变化，并采用下述公式进行计算，得到空间注意力权重， 其中，表示所述空间注意力权重，表示所述目标多尺度粒度特征图，表示通过1×1的卷积对所述目标多尺度粒度特征图进行通道压缩处理，表示进行空间维度的变化；对所述目标多尺度粒度特征图进行重塑，以及采用下述公式对重塑后的所述目标多尺度粒度特征图和所述空间注意力权重进行计算，得到动态阈值， 其中，表示动态阈值，表示对所述空间注意力权重进行转置处理，表示对所述目标多尺度粒度特征图进行重塑后得到的结果，表示进行全局平均池化处理，表示激活函数；利用所述动态阈值，将所述粗粒度二值掩码图转换为阈值图，并通过下采样操作将所述阈值图采样至与所述目标多尺度粒度特征图相同的空间尺寸，得到下采样阈值图；参照下述公式，对所述目标多尺度粒度特征图进行通道维度的平均池化处理和最大池化处理，并进行处理结果的拼接，得到中间特征图， 其中，表示所述中间特征图，表示对所述目标多尺度粒度特征图进行通道维度的平均池化处理，表示对所述目标多尺度粒度特征图进行最大池化处理，表示将平均池化处理结果和最大池化处理结果在通道维度上进行拼接；参照下述公式，对所述中间特征图进行卷积和批归一化处理，得到初始空间注意力图， 其中，表示所述初始空间注意力图，表示所述中间特征图，表示通过7×7的卷积对所述中间特征图进行卷积处理，表示批归一化处理；将所述初始空间注意力图与所述下采样阈值图进行逐元素相乘，并通过ReLU激活函数对相乘得到的结果进行增强处理，得到最终空间注意力图；将所述最终空间注意力图与所述目标多尺度粒度特征图进行逐元素相乘，将相乘得到的结果作为完成所述精炼处理后的所述目标多尺度粒度特征图； 提取处理后的所述目标多尺度粒度特征图的全局特征和局部特征，对所述局部特征进行增强处理，并对所述全局特征和增强处理后的所述局部特征进行跨尺度特征融合处理，得到融合后的多尺度特征；其中，对所述局部特征进行增强处理包括：参照下述公式，所述局部特征对应的二维特征图进行展平操作，得到标记序列， 其中，表示所述二维特征图，表示对所述二维特征图进行展平操作，和表示中间值；采用下述公式，提取处理后的所述目标多尺度粒度特征图中与所述局部特征尺度粒度相同的指定全局特征， 其中，表示所述指定全局特征，表示进行空间维度的变化，表示所述标记序列，和表示中间值，表示预设的关键向量的维度；采用下述公式对所述局部特征进行多尺度局部特征提取，得到局部特征组， 其中，表示所述局部特征组，表示所述局部特征，表示原始的局部特征，表示使用1×1的深度可分离卷积DWC卷积核进行特征处理后得到的第一尺度局部特征，表示使用3×3的DWC卷积核进行特征处理后得到的第二尺度局部特征，表示使用5×5的DWC卷积核进行特征处理后得到的第三尺度局部特征；采用下述公式对所述指定全局特征进行计算，得到与所述局部特征组中各尺度局部特征对应的自适应权重向量， 其中，表示进行全局平均池化处理，表示通过全连接层映射为预设维度的向量；采用下述公式进行计算，得到增强处理后的所述局部特征， 其中，表示增强处理后的所述局部特征，表示所述指定全局特征，表示各尺度局部特征对应的自适应权重向量，表示各尺度局部特征； 依据所述融合后的多尺度特征，对所述待检测图像进行目标类别预测以及目标边界框预测，将预测得到的目标类别预测结果和目标边界框预测结果作为对所述待检测图像的目标检测结果并输出。

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天府绛溪实验室，其通讯地址为：610000 四川省成都市高新区桂溪街道天府五街200号菁蓉汇1号楼A区9楼902室；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。