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！

龙图腾网获悉西安电子科技大学申请的专利基于跳跃连接上下文和通道注意力的弱小行人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：CN116721439B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310670161.0，技术领域涉及：G06V40/10；该发明授权基于跳跃连接上下文和通道注意力的弱小行人检测方法是由同鸣;边放设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本基于跳跃连接上下文和通道注意力的弱小行人检测方法在说明书摘要公布了：本发明公开了一种基于跳跃连接上下文和通道注意力的弱小行人检测方法，解决现有技术检测过程中计算复杂度高和特征传递效率受限，以及弱小行人目标容易被周围无关背景信息覆盖，导致检测网络的检测准确率低的问题。本发明的实现步骤为：构建跳跃连接上下文模块；构建通道注意力模块；构建弱小行人目标检测网络；生成预训练集和训练集；训练弱小行人目标检测网络；对弱小行人目标进行检测。本发明基于构建的跳跃连接上下文模块和时间聚合模块，构建了弱小行人检测网络，使本发明提高了弱小行人目标检测的效率和准确性。

本发明授权基于跳跃连接上下文和通道注意力的弱小行人检测方法在权利要求书中公布了：1.一种基于跳跃连接上下文和通道注意力的弱小行人检测方法，其特征在于，在分别构建跳跃连接上下文模块和通道注意力模块的基础上，构建弱小行人目标检测网络；该检测方法的具体步骤包括如下： 步骤1，构建跳跃连接上下文模块： 搭建一个包括输入层、第一卷积层、第一膨胀卷积层、第二膨胀卷积层、第三膨胀卷积层、拼接单元、第二卷积层、加法器、第三卷积层、输出层的跳跃连接上下文模块；其中：输入层、第一卷积层、第一膨胀卷积层、第二膨胀卷积层、第三膨胀卷积层、加法器、第三卷积层、输出层依次串联连接；第一卷积层与加法器相连；第一膨胀卷积层、第二膨胀卷积层的输出特征拼接后再经第二卷积层与加法器相连；设置跳跃连接上下文模块中的参数； 步骤2，构建通道注意力模块： 搭建一个包括输入层、卷积层、第一维度重组层、第二维度重组层、转置单元、乘法单元、全局池化层、加权单元、加法器、输出层的通道注意力模块；其中：输入层、卷积层、第一维度重组层、转置单元、乘法单元、全局池化层、加权单元、加法器、输出层依次串联连接；输入层分别与加权单元、加法器相连；第二维度重组层跨接在卷积层和乘法单元之间；设置通道注意力模块中的参数； 步骤3，构建弱小行人目标检测网络： 搭建一个包括输入层、卷积组、跳跃连接上下文模块、选择性搜索网络、第一池化层、加法器、检测头、第二池化层、通道注意力模块的弱小行人目标检测网络；其中：输入层、卷积组、跳跃连接上下文模块、选择性搜索网络、第一池化层、加法器、检测头依次串联连接；跳跃连接上下文模块与第一池化层相连；卷积组、选择性搜索网络分别与第二池化层连接再经通道注意力模块与加法器相连；设置弱小行人目标检测网络中的参数； 步骤4，生成预训练集和训练集： 选取至少3000张行人目标图像组成预训练集，其中，每张行人目标图像中的行人目标的尺寸不等，高度均大于或等于20个像素，每张图像均对应一个行人目标的真实边框标签；选取至少200张的弱小行人目标图像组成训练集，其中，每张弱小行人目标图像中的弱小行人目标的高度低于75个像素，每张图像均对应一个弱小行人目标的真实边框标签； 步骤5，训练弱小行人目标检测网络： 利用预训练集对弱小行人目标检测网络进行预训练，得到预训练好的弱小行人目标检测网络；采用与预训练相同的方法，利用训练集微调预训练好的弱小行人目标检测网络的网络参数，得到训练好的弱小行人目标检测网络； 步骤6，对弱小行人目标进行检测： 将待检测的弱小行人目标图像，输入到训练好的弱小行人目标检测网络中，将弱小行人目标检测网络输出的预测边框标签作为检测结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。