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！

龙图腾网获悉中国民用航空飞行学院;西南技术物理研究所申请的专利一种基于无监督对抗学习的无人机小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：CN119131364B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411265268.8，技术领域涉及：G06V10/25；该发明授权一种基于无监督对抗学习的无人机小目标检测方法是由涂晓光;何志;康朋新;李卓骏;张艳艳;杨明;刘建华;殷举航;王宇;周超;崔雨勇设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本一种基于无监督对抗学习的无人机小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无监督对抗学习的无人机小目标检测方法，涉及小目标检测技术领域。本发明通过引入图像多尺度退化和增强，使得检测模型能够更好地学习数据中的多元结构和模式，能够更好的对小目标进行识别。通过这种方式，模型能够辅助目标检测框架学习更加具有辨识度和普适性的语义特征用于小目标识别。还将生成对抗网络引入目标检测任务中，使用特征提取器代替生成器，分别将图像背景与合成图像通过特征提取器生成对应的特征图，将两种不同的特征图同时传入判别器，判别器即会鉴别区分上述两种特征图的不同之处，判别器在不断的对抗学习中能够专注于学习两特征图不同之处，用于对合成图像特征图中的小目标对象进行精准定位检测。

本发明授权一种基于无监督对抗学习的无人机小目标检测方法在权利要求书中公布了：1.一种基于无监督对抗学习的无人机小目标检测方法，其特征在于：包括： 获取训练集中包含无人机小目标的原始图像，提取原始图像中包含检测目标的矩形区域，得到检测目标图像和不含检测目标的纯净背景图像； 将检测目标图像进行图像退化和增强操作，包括：将检测目标图像分别进行最近邻插值、双线性插值和双三次插值，再对得到的三组不同退化程度的图像随机选择一种插值方法进行二次退化，得到另外三组不同退化程度的图像，共计六组不同的退化图像；对获得的退化图像进行多种模式的增强处理，得到多组检测目标的退化增强图像； 构建小目标检测模型，包括特征提取网络和无监督目标判别网络；所述特征提取网络作为生成器，包括由YOLO-v5backbone骨干网络构成的特征提取器、多个全连接层和或多层感知器MLP构成的特征适配器；所述无监督目标判别网络作为判别器，包括二分类鉴别器； 训练所述小目标检测模型，即进行对抗学习，包括：将检测目标的退化增强图像与纯净背景图像融合得到合成图像，将合成图像以及纯净背景图像分别输入到特征提取网络中，分别生成异常特征图和正常特征图；将获得的异常特征图和正常特征图输入判别器，判别器鉴别区分两种特征图的不同之处，将异常特征图判别为假，正常特征图判别为真； 选取测试集中的待检测目标图像输入到训练好的小目标检测模型，输出无人机小目标检测结果。

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中国民用航空飞行学院;西南技术物理研究所，其通讯地址为：618300 四川省德阳市广汉市南昌路四段46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”。