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！

龙图腾网获悉江南大学申请的专利一种基于卷积神经网络的轻量级目标检测方法及系统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：CN120258049B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510715240.8，技术领域涉及：G06N3/0464；该发明授权一种基于卷积神经网络的轻量级目标检测方法及系统是由王宁;张超;周浩杰;高鹏;刘伟鸿设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的轻量级目标检测方法及系统在说明书摘要公布了：本发明提供一种基于卷积神经网络的轻量级目标检测方法及系统，涉及目标检测技术领域，该方法包括构建基于卷积神经网络的轻量级目标检测模型，模型由FF‑ELAN模块、EConv模块、MFA模块和检测头组成；利用基于质心的剪枝算法对模型进行优化，得到优化后的模型；将优化后的模型部署在边缘设备上；边缘设备利用优化后的模型对采集的图像数据进行目标检测，输出检测结果。本发明解决现有目标检测方法在边缘设备上计算量大、内存占用高的难题，满足实际应用需求。

本发明授权一种基于卷积神经网络的轻量级目标检测方法及系统在权利要求书中公布了：1.一种基于卷积神经网络的轻量级目标检测方法，其特征在于，包括： 构建基于卷积神经网络的轻量级目标检测模型，所述模型由FF-ELAN模块、EConv模块、MFA模块和检测头组成，其中所述FF-ELAN模块用于同时提取输入图像的浅层特征和深层特征，所述EConv模块用于通过轻量化卷积结构替代传统常规卷积，以降低模型计算复杂度并保持特征表达能力；所述MFA模块用于实现多层次特征复用和跨特征融合，所述检测头用于预测目标类别和位置； 所述FF-ELAN模块采用双分支结构，包括左侧分支和右侧分支；所述左侧分支使用逐点卷积对输入特征图进行处理，以保留浅层特征；所述右侧分支使用部分卷积的多层连接组合提取深层特征，每一层的部分卷积仅对输入特征图的部分通道进行计算；所述右侧分支中，每一层的部分卷积的输出特征均作为下一层部分卷积的输入，逐步增强特征表达能力；将所述左侧分支和所述右侧分支的输出特征在通道维度上进行组合，生成组合特征，并通过逐点卷积对所述组合特征进行融合，得到具有丰富语义信息的特征； 所述EConv模块由三个部分组成，顶部和底部是1x1卷积，中间是深度可分离卷积，输入数据先经过顶部的1x1卷积进行初步通道调整，接着进入中间的深度可分离卷积进行空间卷积操作，最后由底部的1x1卷积进行进一步处理，同时顶部1x1卷积的输出还通过一条支路与底部1x1卷积的输出进行融合； 所述MFA模块由三个1x1卷积和一个瓶颈层组成，输入数据首先进入第一个1x1卷积进行通道变换；同时，另一个分支的输入数据先经过第二个1x1卷积，再进入瓶颈层进行特征处理；第三个1x1卷积也对输入数据进行操作；最后，这三个分支的输出在一个节点处汇合，实现特征融合；其中所述瓶颈层由两个EConv模块和两1x1卷积组成，输入数据先进入第一个EConv模块进行处理，其输出接着进入第二个EConv模块；同时，输入数据还通过一条支路直接进入第二个1x1卷积；第二个EConv模块的输出与第二个1x1卷积的输出在一个节点处汇合，最后再经过第一个1x1卷积进行处理，实现特征融合与信息整合； 所述模型的整体流程为：输入图像依次经过多个FF-ELAN模块进行特征提取，每个FF-ELAN模块输出的特征经EConv模块处理后，输入至MFA模块进行特征融合；最终，融合后的特征输入检测头，完成目标检测任务； 其中所述EConv模块的计算过程为：先通过深度可分离卷积对输入特征图进行空间卷积，再通过逐点卷积对深度可分离卷积的输出进行通道维度的降维或升维，以减少计算量和内存占用，实现特征融合； 利用基于质心的剪枝算法对所述模型进行优化，得到优化后的模型，其中所述质心的剪枝算法用于计算模型中每一层的卷积核的质心，以及每个卷积核与质心的欧氏距离，并设定距离阈值，删除与质心距离小于所述距离阈值的冗余卷积核； 将所述优化后的模型部署在边缘设备上； 所述边缘设备利用所述优化后的模型对采集的图像数据进行目标检测，输出检测结果。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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”。