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！

龙图腾网获悉浙江长龙海运有限公司申请的专利一种基于特征聚合网络的夜间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：CN120107564B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510570235.2，技术领域涉及：G06V10/25；该发明授权一种基于特征聚合网络的夜间目标检测方法是由项坚波;黄静杰;谢忠杰设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种基于特征聚合网络的夜间目标检测方法在说明书摘要公布了：本发明提供一种基于特征聚合网络的夜间目标检测方法，属于图像数据处理检测技术领域，通过特征聚合操作有效提取图像信息，旨在提高夜间目标检测的准确性和鲁棒性。首先，将夜间目标检测数据集划分为训练集和测试集，利用图像预处理操作对夜间图像数据集进行数据增广。然后，使用基于特征聚合设计的主干部分进行通用特征提取，通过聚集特征提取架构提升特征提取的效率和精度，使用卷积特征提取、双层特征聚合模块和金字塔聚合注意力机制进行特征提取；通过基于金字塔特征融合的颈部进一步融合特征；最后，通过预测头完成目标检测任务。整个检测过程通过综合损失函数进行约束，包括分类损失、边界框回归损失和置信度损失。

本发明授权一种基于特征聚合网络的夜间目标检测方法在权利要求书中公布了：1.一种基于特征聚合网络的夜间目标检测方法，其特征在于，包括： S1、获取夜间目标检测数据集，按照7:3的比例将数据集随机划分训练集和测试集； S2、利用图像预处理操作，对步骤S1获取的夜间目标检测数据集进行数据集增广； S3、选取步骤S2预处理操作后的图像，并将选取的图像输入到基于特征聚合设计的主干部分进行通用特征提取，提取高分辨率初始特征、中分辨率初始特征和低分辨率初始特征；基于特征聚合设计的主干包括聚集特征提取模块、卷积特征提取模块、双层特征聚合模块和金字塔聚合注意力机制，具体包括： S31、聚集特征提取模块从输入图像中提取高效特征，将输入图像的空间信息进行重组，通过切片操作和拼接操作将图像的宽维度和高维度减少一半，同时增加通道数，其中： 切片操作的公式如下： ； ； ； ； 其中，表示原始图像，原始图像的尺寸为C,H,W，其中C为通道数，H为高度，W为宽度，表示将原始图像按奇偶索引切成的4个部分，的尺寸均为C,H2,W2； 拼接操作的公式如下： ； 其中，表示拼接操作，表示拼接后的特征图像，的尺寸均为4C,H2,W2； 对拼接操作后的特征图像进行卷积操作，公式如下： ； 其中，表示卷积后的输出特征图像，表示卷积操作； S32、设计卷积特征提取模块的函数，公式如下： ； 其中，表示卷积特征提取模块函数，表示卷积特征提取模块函数的输入变量，表示LeakyReLU激活函数，表示批量归一化操作； S33、设计双层特征聚合模块的函数，公式如下： ； 其中，表示双层特征聚合模块函数，表示双层特征聚合模块函数的输入变量，表示通道方向分割操作； S34、设计金字塔聚合注意力机制的函数，公式如下： 其中，表示金字塔聚合注意力机制函数，表示金字塔聚合注意力机制函数的输入变量，表示最大池化操作； S35、将步骤S31的输出特征图像依次输入到卷积特征提取模块函数和双层特征聚合模块函数中，提取高分辨率初始特征，公式如下： 其中，F11表示提取的高分辨率初始特征； S36、将步骤S35提取的高分辨率初始特征F11依次输入到卷积特征提取模块函数和双层特征聚合模块函数中，提取中分辨率初始特征，公式如下： 其中，表示提取的中分辨率初始特征； S37、将步骤S36提取的中分辨率初始特征依次输入到卷积特征提取模块函数和金字塔聚合注意力机制函数中，提取低分辨率初始特征，公式如下： 其中，表示提取的低分辨率初始特征； S4、将步骤S3获取的高分辨率初始特征、中分辨率初始特征和低分辨率初始特征输入到基于金字塔特征融合的颈部分，进一步提取具有多样性和鲁棒性的高分辨率中级特征、中分辨率中级特征、低分辨率中级特征；基于金字塔特征融合的颈部包括卷积特征提取模块和双层特征聚合模块，具体包括： S41、设计卷积特征提取模块的函数，公式如下： ； S42、设计双层特征聚合模块的函数，公式如下： ； S43、将步骤S37提取的低分辨率初始特征依次输入到双层特征聚合模块函数和卷积特征提取模块函数中，提取低分辨率残差特征，公式如下： 其中，表示提取的低分辨率残差特征； S44、将步骤S36提取的中分辨率初始特征和步骤S43提取的低分辨率残差特征输入到双层特征聚合模块函数和卷积特征提取模块函数中，提取残差中分辨率特征，公式如下： 其中，表示提取的残差中分辨率特征，UP表示上采样操作； S45、将步骤S35提取的高分辨率初始特征F11和步骤S44提取的残差中分辨率特征输入到双层特征聚合模块函数中，提取高分辨率中级特征，公式如下： 其中，表示提取的高分辨率中级特征； S46、将步骤S44提取的残差中分辨率特征和步骤S45提取的高分辨率中级特征输入到双层特征聚合模块函数和卷积特征提取模块函数中，提取中分辨率中级特征，公式如下： 其中，表示提取的中分辨率中级特征； S47、将步骤S43提取的低分辨率残差特征和步骤S46提取的中分辨率中级特征输入到双层特征聚合模块函数和卷积特征提取模块函数中，提取低分辨率中级特征，公式如下： 其中，表示提取的低分辨率中级特征； S5、将步骤S4中提取的高分辨率中级特征、中分辨率中级特征、低分辨率中级特征输入到基于卷积层设计的预测头部分，完成目标检测预测。

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浙江长龙海运有限公司，其通讯地址为：316000 浙江省舟山市普陀区东港街道海天大道2701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”。