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！

龙图腾网获悉中南民族大学申请的专利一种基于改进YOLOv7的城市低空小型无人机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：CN117115686B 。

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：202310935016.0，技术领域涉及：G06V20/17；该发明授权一种基于改进YOLOv7的城市低空小型无人机检测方法及系统是由白迪;黄谦;崔勇强;陈少平;江小平;李大为设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于改进YOLOv7的城市低空小型无人机检测方法及系统在说明书摘要公布了：本发明提供了一种基于改进YOLOv7的城市低空小型无人机检测方法及系统，构建数据集，将数据集分为训练集和测试集，并搭建YOLOv7基本网络结构，其包括输入端Input、主干网络Backbone、特征融合网络Neck和检测头部Head；使用RepVGG结构和CBS卷积层取代主干网络中的第一ELAN结构；使用C3m模块替换特征融合网络中的ELAN‑H结构；在主干网络和特征融合网络之间添加卷积注意力机制，得到改进的YOLOv7模型；利用训练集对改进的YOLOv7模型进行训练，并使用测试集对训练后的改进的YOLOv7模型进行测试，得到训练好的改进的YOLOv7模型；使用训练好的改进的YOLOv7模型对实际获取的图像进行无人机目标识别。本发明的有益效果是：大大提升了对于“城市低空复杂背景下小型无人机目标”的检测精度和检测速度。

本发明授权一种基于改进YOLOv7的城市低空小型无人机检测方法及系统在权利要求书中公布了：1.一种基于改进YOLOv7的城市低空小型无人机检测方法，其特征在于：包括： S1：构建数据集，将所述数据集分为训练集和测试集，并搭建YOLOv7基本网络结构，所述YOLOv7基本网络结构包括输入端Input、主干网络Backbone、特征融合网络Neck和检测头部Head； S2：使用RepVGG结构和CBS卷积层取代主干网络Backbone中的第一ELAN结构； RepVGG结构通过结构重参数化实现模型训练阶段和推理阶段的解耦： 训练阶段时，RepVGG结构主要由3×3卷积、1×1卷积和identity残差分支组成，激活函数为ReLU； 推理阶段时，RepVGG结构采用单路结构，仅包含3×3卷积和ReLU激活函数； S3：使用C3m模块替换特征融合网络Neck中的ELAN-H结构； C3m模块是对C3模块进行改进所得，将C3模块的一个分支Conv2d+BN+SiLu改进为卷积神经网络Conv2d，并用Mish激活函数替换另一个分支其中一处Conv2d+BN+SiLu中的SiLu激活函数； S4：在主干网络Backbone和特征融合网络Neck之间添加卷积注意力模块，得到改进的YOLOv7模型； 在特征融合网络Neck两次拼接之前，先对特征信息进行一次筛选，即在CBS卷积层之前分别插入一个卷积注意力模块CBAM； 特征图经过卷积注意力模块的计算公式为： MF＝σMCF+MSF1 其中，F为输入的特征图，McF表示通道注意力模块，MsF表示空间注意力模块，σ表示sigmoid函数； 特征图经过通道注意力模块的计算公式为： 其中，MLP表示全连接层，AvgPool表示平均池化，MaxPool表示最大池化，W0和W1为共享全连接层的权重，表示经平均池化得到的特征图，表示经最大池化得到的特征图； 特征图经过空间注意力模块的计算公式为： 其中，f7×7表示7×7的卷积； S5：利用训练集对改进的YOLOv7模型进行训练，并使用测试集对训练后的改进的YOLOv7模型进行测试，得到训练好的改进的YOLOv7模型； S6：使用训练好的改进的YOLOv7模型对实际获取的图像进行无人机目标识别。

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中南民族大学，其通讯地址为：430074 湖北省武汉市洪山区民族大道708号、823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”。