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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于动态邻接的跨尺度图桥接解耦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：CN121236369B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511791283.0，技术领域涉及：G06V10/25；该发明授权一种基于动态邻接的跨尺度图桥接解耦目标检测方法是由徐莹;陈琪凯;于威;申沛设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种基于动态邻接的跨尺度图桥接解耦目标检测方法在说明书摘要公布了：本发明涉及一种基于动态邻接的跨尺度图桥接解耦目标检测方法，包括步骤一：数据预处理与分割：步骤二：批次采样与多尺度特征提取：步骤三：高层自注意力增强：步骤四：同层动态邻接学习与对齐：步骤五：跨尺度图桥接：步骤六：门控残差稳态注入：步骤七：解耦检测头预测：步骤八：训练与优化：步骤九：推理与评测。本发明在多尺度路径上学习同层动态图邻接并进行图对齐，在相邻尺度间建立二分桥接关系“定向借力”，再用门控残差稳态注入至解耦检测头，在保持高IoU精度的同时提升小体量与短时场景的检测表现并降低整体资源消耗。

本发明授权一种基于动态邻接的跨尺度图桥接解耦目标检测方法在权利要求书中公布了：1.一种基于动态邻接的跨尺度图桥接解耦目标检测方法，其特征在于：包括以下步骤： 步骤一：数据预处理与分割：获得原始数据，设定输入分辨率与类别映射，标注规范化；对原始数据进行清洗与分割，形成训练集、验证集与测试集； 步骤二：批次采样与多尺度特征提取：从训练集随机选取图像作为一个批次输入模型，经主干网络与金字塔路径得到P3、P4、P5三尺度特征；记录各尺度的空间尺寸与步幅； 步骤三：高层自注意力增强：将P5输入高层多头自注意力模块MHSA-Darknet获取全局上下文与长程依赖；P3、P4保持原始统计； 步骤四：同层动态邻接学习与对齐：分别在P3、P4、P5上执行： 生成节点嵌入与尺度位置嵌入，确定局部窗口或k近邻作为候选邻域； 依据特征相容性与空间先验自适应生成稀疏邻接； 在该邻接上进行轻量图传播，输出同层对齐特征； 步骤五：跨尺度图桥接：在P5-P4、P4-P3两对相邻尺度之间执行： 通过上下采样与线性映射对齐分辨率与通道维度； 按位置与语义相容性建立稀疏的二分桥接关系； 沿该桥接关系将高层全局语义下传到低层，将低层细节上行至高层，得到跨层增强特征； 步骤六：门控残差稳态注入：将“同层对齐+跨层增强”的输出与原尺度特征进行门控残差融合： 门控参数采用负向初始化，训练初期近似恒等映射； 随训练进行门控自动放量，实现可控、渐进的增强注入； 输出为对齐增强后的多尺度特征集合，供检测头使用； 步骤七：解耦检测头预测：对P3、P4、P5的增强特征分别送入解耦检测头： 分类分支与回归分支独立建模，在分支前插入轻量通道空间注意力微单元以增强判别性； 保持末层为卷积输出，兼容检测偏置与解码流程； 汇总各尺度输出，完成框与类别的统一解码与合并； 步骤八：训练与优化：采用单阶段检测的端到端训练范式： 损失包含分类、定位与目标性部分； 使用AdamW优化器与合适的学习率计划、权重衰减，配合EMA稳定训练； 与常规数据增强联合使用，覆盖小目标、遮挡与反光场景； 步骤九：推理与评测：在测试集上进行推理，采用置信度阈值与NMS改进NMS进行后处理；统计mAP50与mAP50-95、参数量与显存占用，并与基线模型对比；当评测指标不再提升或满足收敛条件时，结束训练并固化模型。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。