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！

龍圖騰網恭喜東華大學申請的專利一種基于像素級強化特征多尺度融合的微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：CN114693991B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202210242496.8，技術領域涉及：G06V10/774；該發明授權一種基于像素級強化特征多尺度融合的微小目標檢測方法是由汪俊亮;成明陽;周亞勤;張潔;朱子洵;鄭小虎;徐楚橋;呂佑龍;張朋設計研發完成，并于2022-03-11向國家知識產權局提交的專利申請。

本一種基于像素級強化特征多尺度融合的微小目標檢測方法在說明書摘要公布了：本發明提出了一種基于像素級強化特征多尺度融合的微小目標檢測方法，該方法首先對原始輸入圖像進行每個像素點的標注和整張圖像的標注，隨后對原始輸入圖像進行特征提取和增強，通過抽取和融合多尺度特征層并對融合后的各特征層進行權重分配，最終得到微小目標的類別。本發明能夠較好地滿足微小目標檢測任務，且高效準確，提高了微小目標檢測的精準度與效率，具有很高的應用價值和經濟效益，通過實際驗證證明了此方法能夠較好地應用到物體表面的微小目標檢測任務中。

本發明授權一種基于像素級強化特征多尺度融合的微小目標檢測方法在權利要求書中公布了：1.一種基于像素級強化特征多尺度融合的微小目標檢測方法，其特征在于，包括以下步驟：步驟1：建立并訓練微小目標檢測網絡模型，該微小目標檢測網絡模型包含第一階段網絡模型和第二階段網絡模型，其中，第一階段網絡模型為視覺目標引導的特征強化模型，通過目標與每個像素點的映射關系，對微小目標的細節特征進行像素級強化；第二階段網絡模型導出并融合第一階段網絡模型中的多尺度特征層，設計特征權重分配模塊，對融合后的多尺度特征層進行權重分配，作為目標分類網絡的輸入數據，最終得到微小目標的類別，則對微小目標檢測網絡模型進行訓練包括以下步驟：步驟101：由微小目標檢測裝置采集得到一定數量的訓練圖像數據，對第一階段網絡模型所使用的訓練圖像數據以及第二階段網絡模型所使用的訓練圖像數據進行標注，從而得到訓練圖像數據集，其中：對第一階段網絡模型所使用的訓練圖像數據進行標注時采用以下方式：使用像素級的標注方法，對訓練圖像中每個像素點進行標注；當共有N類微小目標時，每個像素點根據其屬于某個目標而被標注為N+1種標簽中對應的標簽值，其中，1種標簽值代表當前像素點屬于圖像背景，剩余N種標簽值分別代表當前像素點屬于微小目標的類型；第二階段網絡模型所使用的訓練圖像數據進行標注時采用以下方式：依據每個訓練圖像是否包含微小目標以及所包含的微小目標所屬類型，對每個訓練圖像標注對應的標簽值；當共有N類微小目標時，每個訓練圖像根據其屬于某個目標而被標注為N+1種標簽中對應的標簽值，其中，1種標簽值代表當前訓練圖像未包含微小目標，剩余N種標簽值分別代表當前訓練圖像所包含的微小目標的類型；步驟102：將步驟101得到的用于訓練第一階段網絡模型的訓練圖像數據集送入到第一階段網絡模型中，通過第一階段網絡模型的正向傳播和反向傳播進行訓練，從而建立圖像中每個像素正確的映射關系；步驟103：通過不斷地迭代和優化，當第一階段網絡模型的損失值小于指定閾值時，停止第一階段網絡模型的訓練，轉入第二階段網絡模型的訓練；步驟104：將步驟101得到的用于訓練第二階段網絡模型的訓練圖像數據集送入到訓練好的第一階段網絡模型中，抽取和融合第一階段網絡模型中的多尺度特征，并由權重分配網絡對融合后的特征進行權重分配；由第二階段網絡模型計算得到的損失值進行反向傳播，從而優化第二階段網絡模型參數變量；步驟105：通過不斷地迭代和優化第二階段網絡模型參數，當第二階段網絡模型完成指定的訓練次數時，停止第二階段網絡模型的訓練，此時完成了整個微小目標檢測網絡模型的訓練，最后保存完整的微小目標檢測網絡模型；步驟2：將待檢測的微小目標圖像數據送入到訓練好的微小目標檢測網絡模型中，最終得到微小目標的類別。

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東華大學，其通訊地址為：201600 上海市松江區人民北路2999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”。