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联合递归特征金字塔的多尺度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：CN115527095B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202211339440.0，技术领域涉及：G06V10/82；该发明授权基于联合递归特征金字塔的多尺度目标检测方法是由韩冰;陈玮铭;高新波;杨铮;黄晓悦设计研发完成，并于2022-10-29向国家知识产权局提交的专利申请。

本基于联合递归特征金字塔的多尺度目标检测方法在说明书摘要公布了：本发明公开了一种基于联合递归特征金字塔的多尺度目标检测方法。主要解决现有技术在复杂场景下多尺度目标检测精度低的问题。其实现方案是：1读取目标检测数据库数据，并对图像数据进行预处理；2使用ResNet卷积神经网络作为主干网络提取图像的特征；3根据所提取的图像特征构建特征金字塔；4构建由通道注意力模块和空间注意力模块串联组成的联合反馈处理器；5利用联合反馈处理器对各层金字塔特征进行处理，完成特征融合；6重复步骤3至步骤5两次，得到多尺度特征；7将多尺度特征输入到现有的检测头，完成多尺度检测。本发明显著提高了复杂场景下多尺度目标检测的精度，可用于智慧交通、智慧安防和遥感影像处理。

本发明授权基于联合递归特征金字塔的多尺度目标检测方法在权利要求书中公布了：1.一种基于联合递归特征金字塔的多尺度目标检测方法，其特证在于，包括如下步骤： 1读取目标检测数据库数据，对训练数据的图像依次进行调整、翻转和归一化，对测试数据的图像依次进行调整和归一化，并设置RGB三个通道的归一化均值和标准差，最终得到图像对应的张量数据； 2使用包括有5个串联卷积块的ResNet卷积神经网络作为主干网络，将经过1预处理后的图像张量数据输入到该卷积神经网络，得到通过5个卷积块分别提取的图像特征，分别记为C1，C2，C3，C4和C5； 3根据ResNet卷积神经网络所提取的图像特征，构建特征金字塔： 3a将ResNet卷积神经网络提取出来的图像特征C2，C3，C4和C5分别经过4个核大小为1×1，步长为1的卷积层，使得C2特征的通道数依然保持为256，C3特征的通道数由512下降至256，C4特征的通道数由1024下降至256，C5特征的通道数由2048下降至256，最终得到4层主干降维特征C2′，C3′，C4′和C5′； 3b将3a所得的各层主干降维特征执行自顶向下的特征融合操作，形成由P2、P3、P4和P5金字塔特征组成的特征金字塔结构； 4构建由通道注意力模块和空间注意力模块串联组成的联合反馈处理器； 5利用联合反馈处理器对步骤3所得各层金字塔特征进行处理，完成特征融合： 5a将P2，P3，P4和P5这4层金字塔特征输入到通道注意力模块，得到通道注意力特征MC； 5b将5a得到的通道注意力特征MC输入空间注意力模块，得到空间注意力特征MS； 5c将空间注意力特征MS拆分为4个特征图，并将这4个特征图分别下采样至与主干网络各卷积块输出特征Ci尺寸相同； 5d将上采样后的特征图分别输入到4个核大小为1×1，步长为1的卷积层，将通道数分别提升至256，512，1024和2048，得到与主干网络待融合的特征图Mi，再将各特征图Mi与主干网络各卷积块输出特征Ci对应相加完成特征融合； 6重复步骤3至步骤5两次，得到最终的多尺度特征P2′，P3′，P4′和P5′，将其输入到现有的检测头网络，输出预测的目标位置参数x,y,w,h以及目标相应类别的置信度c，其中，x,y为目标边界框左上角在图像中的坐标，w为目标边界框的宽度，h为目标边界框的高度，完成对多尺度目标的检测。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。