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！

龙图腾网获悉江西理工大学申请的专利一种基于Transformer与跨维度注意力的交通标志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：CN115830575B 。

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：202211583330.9，技术领域涉及：G06V20/58；该发明授权一种基于Transformer与跨维度注意力的交通标志检测方法是由陈圆;罗会兰;吴少玲;胡伟霞设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于Transformer与跨维度注意力的交通标志检测方法在说明书摘要公布了：本发明公开了一种基于Transformer与跨维度注意力的交通标志检测方法，旨在提高小目标的检测精度。当前的交通标志检测方法存在以下两方面问题：模型不能在初期学习到特征间丰富的长程依赖关系；小目标的有效特征易在特征融合阶段淹没在复杂的背景信息中。针对第一个问题，本发明设计了基于Transformer的模块来扩大网络初期的有效感受野并学习不同特征间的语义关系。针对第二个问题，本发明设计了跨维度注意力来加强网络对小目标的关注程度。结合两个模块后，网络学习到了丰富的细粒度特征及复杂的上下文关系，该模型能够有效抑制冗余信息，并具有处理复杂场景的能力，能广泛应用于交通标志检测的各种场景，值得大力推广。

本发明授权一种基于Transformer与跨维度注意力的交通标志检测方法在权利要求书中公布了：1.一种基于Transformer与跨维度注意力的交通标志检测方法，其特征在于：包括以下步骤： S1.首先基于YoLov5在其主干网络和Neck网络上添加基于Transformer的LGIM模块，并在YoLov5的Neck网络中添加跨维度注意力ECSI模块构成LG-YOLOv5模型，仅在YoLov5的主干网络的第六层和第九层嵌入了基于Transformer的LGIM模块，然后得到四个不同层级的特征图； 所述LGIM模块由两个分支组成，其中左边的分支用于聚合局部特征，右边的分支用于捕获长距离特征之间的依赖关系，左边的分支由3×3卷积、BN与SiLu激活函数组成，右边的分支经过1×1卷积、BN层和SiLu激活函数后，输入局部-全局混合Transformer，以学习归纳偏置和长距离像素间的依赖关系，输入特征经过两条分支得到的特征图首先进行通道方向的拼接，然后经过一个带有BN和SiLu激活函数的1×1卷积操作以使全局与局部信息充分交互融合； S2.将S1得到的四个不同层级的特征图即第2、4、6和9层的输出特征注入特征融合网络，在特征融合网络中，LG-YOLOv5使用CARAFE上采样算子以减少信息损失，并将跨维度注意力ECSI模块加入自顶向下和自底向上的信息传播路径中以选择性注入语义和细节信息，避免干扰特征的影响；然后，在输出检测头的位置添加LGIM模块来学习不同尺度特征间的上下文关系，最后得到P2、P3、P4和P5四个特征图，用于检测目标位置； 所述跨维度注意力ECSI模块由低阶全局注意力LGA结构和高阶全局注意力HGA结构组成； S3.再将S2得到的四个不同分辨率的特征图分别输入一个卷积层来预测不同尺度的目标，P2、P3、P4和P5分别代表在下采样4、8、16和32倍特征图上的预测结果。

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江西理工大学，其通讯地址为：341000 江西省赣州市客家大道1958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”。