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！

龙图腾网获悉云南师范大学申请的专利无人机小目标检测方法、深度学习网络模型、系统及可读存储介质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：CN120409558B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510919768.7，技术领域涉及：G06N3/0464；该发明授权无人机小目标检测方法、深度学习网络模型、系统及可读存储介质是由云利军;钞曼新;金雪松;陈建兵;陈载清;彭灿设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本无人机小目标检测方法、深度学习网络模型、系统及可读存储介质在说明书摘要公布了：本申请涉及深度学习技术领域，尤其涉及一种无人机小目标检测方法、深度学习网络模型、系统及可读存储介质。使用更为轻量级的深度空间特征融合模块替换深层的残差块来减少通道交互，从而避免深层特征提取中大量堆叠残差块造成计算资源的冗余和低效；在特征对齐任务中，引入轻量型上采样算子DySample，使得本申请在不牺牲检测精度的情况下，进一步节省了计算资源。旨在解决如何降低小目标检测方法的计算开销及提升语义信息提取能力的问题。

本发明授权无人机小目标检测方法、深度学习网络模型、系统及可读存储介质在权利要求书中公布了：1.一种无人机小目标检测方法，其特征在于，所述方法包括以下步骤： 获取无人机采集的包含多个小目标的图像数据集； 将所述图像数据集输入至训练后的深度学习网络中进行特征提取； 其中，所述深度学习网络使用多个深度空间特征融合模块将不同尺度的语义特征进行融合，并通过轻量级上采样算子DySample将融合后的特征图对齐到与第二个卷积层相同的分辨率，将对齐后的特征图输入至特征提取层中使用残差块与浅层特征融合后提取细节特征； 获取所述深度学习网络输出的各个图像对应的预测类别和预测框坐标； 根据所述预测框坐标筛选出不存在重叠的目标预测框，以基于所述目标预测框在所述图像上标记出各个小目标对应的目标位置和目标类别； 所述深度学习网络的融合策略为双头渐近融合策略，所述双头渐近融合策略具体包括： 在融合的初级阶段，设表示处在层，且处在该层下阶段的特征图，并行融合来自BackBone的输出： ； ； 其中，分别对应BackBone的输出，表示跨步卷积下采样操作，表示上采样操作，与表示处在下采样阶段的中间阶段； 在融合的后期，将产生的中间层的语义逐渐融合： ； ； 其中，融合处在中间层的，而则进一步融合来自BackBone最深层的输出与P3层上一阶段的输出，DSF为深度空间特征融合模块； 在双头渐近融合策略中，浅层以渐进的方式获取深层的语义，对于，当时有： ； 当时有： ； 式中，表示按通道维度拼接,表示将特征图通过上采样调整分辨率。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768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”。