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平滑交互式压缩网络的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：CN116721314B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310846267.1，技术领域涉及：G06V10/774；该发明授权基于平滑交互式压缩网络的小目标检测方法是由张铭津;杨辰尧;周楠;左龙;郭杰;李云松;高新波设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本基于平滑交互式压缩网络的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平滑交互式压缩网络的小目标检测方法，其实现步骤是，构建并训练平滑交互式压缩网络，利用该网络中的平滑交互模块在多尺度的范围内鲁棒地学习图像特征的语义信息，利用平滑交互式压缩网络中的交叉关注子模块根据输入图像的内容来调动态融合不同分辨率的特征图。利用平滑交互式压缩网络中的白盒剪枝子模块不降低性能的前提下降低模型的复杂性。本发明主要解决在硬件计算能力有限的前提下对背景复杂图像中的弱小目标进行检测的问题，具有特征图之间的依赖性强、动态融合不同分辨率的特征图效果好，漏检率与虚警率低，网络计算量需求小且结构简单从而易与现有硬件适配的优点。

本发明授权基于平滑交互式压缩网络的小目标检测方法在权利要求书中公布了：1.一种基于平滑交互式压缩网络的小目标检测方法，其特征在于，分别构建平滑交互式压缩网络中的交叉关注子模块、白盒剪枝子模块、交叉压缩模块第一、第二平滑交互模块；该检测方法的步骤包括如下： 步骤1，构建交叉关注子模块： 搭建一个由连接层、第一全连接层、第一激活层、第二全连接层、第二激活层、权重求和单元、输出层依次串联组成的主分支，第一输入层跨接在主分支模块的连接层与权重求和单元之间，第二输入层跨接在主分支的连接层与权重求和单元之间组成的交叉关注子模块；将第一、第二输入层的通道参数分别设置为32，16；第一、第二激活层的激活函数分别采用ReLU函数，Softmax函数实现； 步骤2，构建白盒剪枝子模块： 搭建一个由输入层、卷积组、卷积层、输出层依次串联组成的白盒剪枝子模块；将输入层的通道参数设置为32；将卷积层中的卷积核大小设置为3×3，滑动步长均设置为1；将输出层的通道参数设置为16； 步骤3，构建交叉压缩模块： 搭建一个由第二输入层、白盒剪枝子模块、交叉关注子模块、输出层依次串联组成的主分支，第一输入层还与主分支中的交叉关注子模块相连后组成构建交叉压缩模块；将第一、第二输入层的通道参数分别设置为32，16；将输入层的通道参数设置为1； 步骤4，构建平滑交互式压缩网络： 搭建一个由输入层、第一卷积组、第二卷积组、第三卷积组、第二平滑交互模块、反卷积组、交叉压缩模块、输出层依次串联组成的主分支，主分支中第二卷积组与反卷积组之间跨接第一平滑交互模块，主分支中的第一卷积组还与交叉压缩模块直接相连； 所述第一、第二平滑交互模块的结构相同，均由平滑输入层、空洞卷积组、平滑处理层、卷积层、平滑输出层依次串联组成；将第一、第二平滑交互模块的卷积层中卷积核的大小均设置为1×1，滑动步长均设置为1；将第一、第二平滑交互模块中的平滑输入层的通道参数分别设置为32、64；将第一、第二平滑交互模块中的平滑输出层的通道参数分别设置为32、64； 步骤5，生成训练集： 选取至少800张图像组成样本集，将样本集中的每张图像输入到torchvision模块中进行归一化处理，将归一化处理后的所有样本组成训练集； 步骤6，训练平滑交互式压缩网络： 将训练集输入到平滑交互式压缩网络中，使用AdaGrad优化器，通过随机梯度下降法，对网络参数进行迭代更新，直至网络的交并比损失函数收敛为止，得到训练好的平滑交互式压缩网络； 步骤7，对弱小目标进行检测： 将待检测的弱小目标图像归一化处理后的图像，输入到训练好的平滑交互式压缩网络中；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”。