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！

龙图腾网获悉哈尔滨工程大学申请的专利基于SSE-YOLO深度学习模型的前视声纳图像小目标识别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：CN116863321B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310814151.X，技术领域涉及：G06V20/05；该发明授权基于SSE-YOLO深度学习模型的前视声纳图像小目标识别方法是由周天;阳慧玲;于晓阳;张腾飞设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。

本基于SSE-YOLO深度学习模型的前视声纳图像小目标识别方法在说明书摘要公布了：本发明公开了基于SSE‑YOLO深度学习模型的前视声纳图像小目标识别方法，属于深度学习领域；该方法包括：基于经典YOLOv3模型设计轻量级特征提取模块SSE，并搭建了主干网络；融合更浅层特征与深层特征构建一个新预测层,增强小目标表征能力；在颈部网络中使用卷积注意力机制模块CBAM，通过强化检测目标特征以提高抗背景干扰能力。该方法在在性能和消耗之间取得了令人满意的平衡，以满足在设备计算能力受限前提下，实现对声纳图像目标实时快速检测。通过评价过程证实该方法的平均精度和检测速度均高于目前的轻量级主流算法YOLOv5n，能更好地实现嵌入式部署。

本发明授权基于SSE-YOLO深度学习模型的前视声纳图像小目标识别方法在权利要求书中公布了：1.一种基于SSE-YOLO深度学习模型的前视声纳图像小目标识别方法，其特征在于，所述方法包括： S1：采集声纳图像，构建水下小目标数据集； S2：构建初始特征提取模块PREConv和轻量级特征提取模块SSE，搭建主干特征提取网络，将所述数据集输入到改进后的SSE-YOLO模型中训练，实现目标的特征提取； S3：改进颈部网络，构建针对检测更小目标的YOLO预测头，并引入CBAM注意力机制，最终得到优化后的SSE-YOLO深度学习模型； 所述步骤S2中，使用深度可分离卷积替换原算法网络初始特征提取模块CBL中的普通卷积，构建初始特征提取模块PREConv，所述PREConv卷积块的具体构成如下： PREConv卷积块，包括1个深度可分离卷积层：分为1个逐通道卷积和1个逐点卷积，卷积核大小分别为3×3和1×1，填充为1,1个批归一化层，1个LeakyReLU激活函数； 所述步骤S2中，构建轻量级特征提取模块SSE：使用包括残差连接、深度可分离卷积、SE注意力机制、按比例分离通道的思想以构成多路结构； 所述SSE模块对输入特征图进行1×1普通卷积操作，初步处理并调整特征图通道数为原始通道数两倍，经过1×1普通卷积，特征图被分裂成两个分支；分裂比设置为0.25，其中一个分支不对数据进行任何操作，另一个分支Dense块用于进一步提取特征； Dense块保持相同的输入通道数和输出通道数，其先对输入的特征图进行通道分离，两分支通道数各占12；右边分支保持不变，左边分支由2个步长为1的卷积组成，分别为1×1的普通卷积和3×3的深度卷积，两个分支进行Concat操作，通道数相加，融合特征，使用通道混洗进行不同组之间的信息交流，使通道充分融合； 将SE注意力机制模块嵌入SSE模块，SE注意力机制模块通过获取每个通道特征层的权重因子，计算每个特征通道的重要程度，进而让网络模型更关注和目标相关的特征通道，有效提升网络模型的抗噪性能。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。