買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜重慶理工大學申請的專利一種基于無人機圖像的目標區域小目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118968035B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411279319.2，技術領域涉及：G06V10/25；該發明授權一種基于無人機圖像的目標區域小目標檢測方法是由廖丹丹;張建勛;王宇鍵設計研發完成，并于2024-09-12向國家知識產權局提交的專利申請。

本一種基于無人機圖像的目標區域小目標檢測方法在說明書摘要公布了：本發明涉及深度學習及計算機視覺技術領域，公開了一種基于無人機圖像的目標區域小目標檢測方法，通過對某些目標區域明顯的小目標圖像進行裁剪，標注不同類別小目標形成原始訓練、測試數據集，保證了前期算法所需的數據的準確性，進而保證算法的科學性，利用改進的YOLOv7檢測模型的計算能力，采集數據集中不同程度的圖像特征，所述改進的YOLOv7檢測模型，以YOLOv7為基礎模型，在頸部網絡添加MS?CET模塊與BHC?FB模塊，所述MS?CET模塊由改進的自注意力機制和卷積模塊SPPCSP，所述BHC?FB模塊雙向混合卷積模塊NConv和RPConv并聯構成，最后將不同的特征層進行融合，作為最終無人機目標區域小目標檢測的判斷依據，進一步檢驗算法的準確性以及數據集選取的標準性，從而提高識別精度。

本發明授權一種基于無人機圖像的目標區域小目標檢測方法在權利要求書中公布了：1.一種基于無人機圖像的目標區域小目標檢測方法，其特征在于，所述方法包括：S1、獲取無人機拍攝圖像；S2、對YOLOv7模型改進：S3、訓練改進YOLOv7模型；具體而言，從無人機采集的視頻畫面中截取圖像，輸入到改進的YOLOv7檢測模型進行目標檢測，獲取目標的類別；所述改進的YOLOv7檢測模型，即以YOLOv7為基礎模型，在頸部網絡添加MS-CET模塊與BHC-FB模塊，所述MS-CET模塊由改進的自注意力機制和卷積模塊SPPCSP結合構成，所述BHC-FB模塊由雙向混合卷積模塊NConv和RPConv并聯構成，最后將不同的特征層進行融合，然后依次包括第一二維卷積層、批規范化層、非線性函數、通道混洗模塊和兩個二維卷積層，并采用Sigmoid激活函數；所述MS-CET模塊由多頭自注意力機制與YOLOv7的多尺度卷積模塊SPPCSP結合，在圖像輸入到MS-CET模塊，經過一個CBS模塊后，分為兩個支路CBS,CBS+DilatedBlock進行處理；所述DilatedBlock模塊包括：將輸入的特征圖線性投影到三個不同空間，將使用一個大小為w×w的滑動窗口，在不同空間的不同heads上利用不同尺度上的稀疏性進行自注意力機制操作，最后將三個空間輸入到線性層進行特征聚合；BHC-FB模塊包括：利用YOLOv7中Backbone階段輸出高分辨率大小為160×160的特征層，在高分辨率保留更多小目標信息的基礎上，引入雙向混合卷積模塊NConv和RPConv；所述NConv模塊是卷積核為3×3的普通卷積；所述RPConv模塊包括：通過3X3的二維卷積，通過1×1卷積核的二維卷積保持尺度不變的情況下，以全連接層的角度增加網絡深度，實現信息交互的同時引入更多非線性，增強模型特征表征能力，然后將特征圖X進行操作獲取X1，公式如下： 其中，n_div代表我們選取featuremap的部分通道，X1則是對應進行卷積的部分通道，H，W分別為輸入featuremap的高度和寬度，C為通道數；該操作是只選取特征圖中眾多通道的一部分通道X1使用一個Conv3×3進行卷積操作，輸入輸出維度不變，得到部分卷積后的特征圖X1；與剩余通道特征圖X2進行拼接得到特征圖U，對其使用兩個串聯的Conv1×1，利用跳躍連接重新引入未處理的特征圖X，進行特征融合。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶理工大學，其通訊地址為：400054 重慶市巴南區紅光大道69號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。