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复杂环境的高可信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：CN117253117B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310826170.4，技术领域涉及：G06V10/82；该发明授权复杂环境的高可信小目标检测方法是由张铭津;杨辰尧;臧璠;岳珂;许嘉敏;左龙;李云松;高新波设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本复杂环境的高可信小目标检测方法在说明书摘要公布了：本发明公开了一种复杂环境的高可信小目标检测方法，其实现步骤是，构建并训练高阶微分方程启发的弱小目标检测网络，利用该网络中的差分层生成模块模块对图像进行进行多次差分操作，得到不同尺度不同层次的小目标特征。利用高阶微分方程启发的弱小目标检测网络中的四阶Adams引导模块在多个特征项之间建立起了联系，构建了更强大的可解释网络。本发明主要解决在复杂背景下低信噪比的图像中的弱小目标的检测，具有抑制噪声、增强目标明显，网络精确提取不同层级特征获得弱小目标各级特征，虚警误警率低的优点。

本发明授权复杂环境的高可信小目标检测方法在权利要求书中公布了：1.一种复杂环境的高可信小目标检测方法，其特征在于，通过构建的特征融合模块、四阶Adams引导模块、差分层生成模块、Predict模块为骨干网络组成高阶微分方程启发的弱小目标检测网络；该检测方法的步骤包括如下： 步骤1，构建特征融合模块： 搭建一个包括高层特征支路、中层特征支路、低层特征支路、特征权重融合单元、输出层的特征融合模块；高层特征支路、中层特征支路、低层特征支路的三条支路输出经过特征权重融合单元特征融合后再经输出层输出； 步骤2，构建四阶Adams引导模块： 搭建一个包括第一差分输入组、第二差分输入组、负向单元、加法单元、内积单元、合并单元、输出层组成的四阶Adams引导模块；第一差分输入组、负向单元、加法单元、内积单元、合并单元、输出层依次串联；所述第二差分输入组与加法单元相连； 步骤3，构建差分层生成模块： 搭建一个由负三阶差分输入层、第一差分变换单元、负二阶差分输出层、第二差分变换单元、负一阶差分输出层、第三差分变换单元、零阶差分输出层依次串联组成的差分层生成模块，所述第一至第三差分变换单元的结构和参数均相同； 步骤4，构建Predict模块： 搭建一个由第一卷积层、归一化层、激活层、随机dropout层和第二卷积层依次串联组成的Predict模块； 将第一卷积层和第二卷积层的卷积核大小均设置为3×3，滑动步长均设置为1，输出通道均设置为16，激活层的激活函数采用ReLU函数； 步骤5，构建U-Net子模块： 搭建一个包括输入层、第一残差卷积组、第二残差卷积组、第三残差卷积组、第一合并单元、第一残差反卷积组、第二合并单元、第二残差反卷积组、第一输出层、第二输出层、第三输出层的U-Net子模块，其中，输入层、第一残差卷积组、第二残差卷积组、第三残差卷积组、第一合并单元、第一残差反卷积组、第二合并单元、第二残差反卷积组依次串联；第一残差卷积组还与第二合并单元相连，第二残差卷积组还与第一合并单元相连，第三残差卷积组还与第一输出层相连，第一残差反卷积组还与第二输出层相连，第二残差反卷积组还与第三输出层相连；所述第一至第三残差卷积组由三个结构相同的残差卷积单元依次串联组成；所述第一、二残差反卷积组由三个结构相同的残差反卷积单元依次串联组成； 步骤6，构建高阶微分方程启发的弱小目标检测网络： 搭建一个由输入层、卷积层、目标特征增强模块、U-Net子模块、特征融合模块、差分层生成模块、四阶Adams引导模块、Predict模块、输出层依次串联组成的高阶微分方程启发的弱小目标检测网络；将卷积层的卷积核大小设置为3×3，滑动步长设置为1，输出通道设置为16； 步骤7，生成训练集； 选取至少400张图像组成样本集；对样本集中的每张图像依次进行随机镜像、随机放缩、扩充裁剪、高斯模糊操作后，得到每张图像均为480×480规格的处理后的图像；将每张处理后的图像输入到torchvision模块中进行归一化处理，将归一化处理后所有样本组成训练集； 步骤8，训练高阶微分方程启发的弱小目标检测网络： 将训练集输入到高阶微分方程启发的弱小目标检测网络中，利用骰子混合损失函数，使用AdaGrad作为优化器，通过随机梯度下降法的梯度优化算法对网络参数进行优化，迭代更新网络的权重值，直至网络的骰子混合损失函数收敛为止，得到训练好的高阶微分方程启发的弱小目标检测网络； 步骤9，对弱小目标进行检测： 采用与步骤7相同的方法，对待检测的弱小目标图像进行处理；将每张处理后的图像输入到训练好的高阶微分方程启发的弱小目标检测网络中检测图像中；将网络输出的图像中由多个像素值为1的像素点组成的区域作为检测到的小目标区域，像素值为0的像素点代表未检测到小目标的区域。

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”。