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！

龙图腾网获悉北京理工大学申请的专利一种结合多分支解耦头和特征增强的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：CN119445077B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411532087.7，技术领域涉及：G06V10/25；该发明授权一种结合多分支解耦头和特征增强的目标检测方法是由王裕沛;陈亮;金雨萱设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本一种结合多分支解耦头和特征增强的目标检测方法在说明书摘要公布了：本公开提供了一种结合多分支解耦头和特征增强的目标检测方法和装置，该方法选择YOLOv5模型作为基准框架设计目标检测网络进行目标检测；目标检测网络包括主干网络、颈部网络和头部模块。首先主干网络采用卷积神经网络对输入图像进行特征提取，获得3个不同层级的特征图；颈部网络对所述3个不同层级的特征图分别进行特征增强后，再进行特征融合，以进一步提取特征；所述特征增强加入空洞卷积处理以扩大感受野；头部模块采用三分支解耦头，将目标检测中的类别预测、预测框定位和置信度计算独立为三个网络分支，对提取的特征进行卷积操作，输出类别预测、预测框定位和置信度计算结果。使用本发明能够提高遥感图像小尺度目标检测精度。

本发明授权一种结合多分支解耦头和特征增强的目标检测方法在权利要求书中公布了：1.一种结合多分支解耦头和特征增强的目标检测方法，其特征在于，该方法选择YOLOv5模型作为基准框架设计目标检测网络进行目标检测；目标检测网络包括主干网络、颈部网络和头部模块；该方法包括： 步骤1：主干网络采用卷积神经网络对输入图像进行特征提取，获得3个不同层级的特征图； 步骤2：颈部网络对所述3个不同层级的特征图分别进行特征增强后，再进行特征融合，以进一步提取特征；所述特征增强加入空洞卷积处理以扩大感受野； 其中，所述颈部网络进行特征增强采用上下文特征增强模块EFB，EFB包括shortcut结构网络分支和三个卷积分支；所述EFB中的三个卷积分支中，第一卷积分支包括依次连接的1×1卷积层、1×3卷积层、3×1卷积层、3×3空洞卷积模块；第二卷积分支包括依次连接的1×1卷积层、1×3卷积层、3×1卷积层；第三卷积分支包括依次连接的1×1卷积层、3×1卷积层、1×3卷积层、3×3空洞卷积模块；输入特征图分别进入shortcut结构网络分支和三个卷积分支处理后，三个卷积分支与shortcut结构网络分支输出结果连接，得到输出特征； 步骤3：头部模块采用三分支解耦头，将目标检测中的类别预测、预测框定位和置信度计算独立为三个网络分支，对步骤2提取的特征进行卷积操作，输出类别预测、预测框定位和置信度计算结果； 其中，所述三分支解耦头包括1×1卷积层，1×1卷积层输出结果进入三个分支；每个分支分别采用内核为3×1和1×3的非对称卷积； 步骤4：对步骤1~步骤3所构建的目标检测网络进行训练，训练采用最小距离损失函数；所述最小距离损失函数由包围框相似度项和边框距离项加权获得；通过训练调整加权权值； 所述包围框相似度项的获取方式为：使用Wasserstein距离计算预测框和真实框的分布距离，通过归一化将Wasserstein距离限制在0到1之间，得到归一化Wasserstein距离，作为包围框相似度项； 所述边框距离项的获取方式为：比较预测框和真实框四个顶点之间的最小距离；IoU为预测框和真实框的交并比，d 1为预测框和真实框左上角距离，d 2为预测框和真实框右下角距离，w和h分别为输入图像的宽度和高度。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。