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！

龙图腾网获悉华南农业大学申请的专利一种基于深度学习的轻量型恶劣环境下行人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：CN118982843B 。

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：202411062312.5，技术领域涉及：G06V40/10；该发明授权一种基于深度学习的轻量型恶劣环境下行人检测方法是由王国华;王勋;陈斯洁;郑永森;邓丽诗;吴贤栋设计研发完成，并于2024-08-05向国家知识产权局提交的专利申请。

本一种基于深度学习的轻量型恶劣环境下行人检测方法在说明书摘要公布了：本发明公开一种基于深度学习的轻量型恶劣环境下行人检测方法，该方法包括以下步骤：1采集复杂道路场景下的多模态数据进行预处理和标注；2通过DIVFusion对采集的多模态数据进行融合以得到融合数据；3对融合数据进行曝光校正与降噪；4改进YOLO‑MS检测网络；5利用训练出的改进YOLO‑MS检测模型完成行人检测；该方法采用可见光与红外融合的技术，设计了语义分割模块、降噪模块和轻量型的检测模块，对于恶劣环境下的行人检测有较大的提升，尤其是对于黑暗环境和如雨、雪、雾等复杂环境下的行人检测。

本发明授权一种基于深度学习的轻量型恶劣环境下行人检测方法在权利要求书中公布了：1.一种基于深度学习的轻量型恶劣环境下行人检测方法，其特征在于通过DIVFusion融合算法将采集的复杂道路场景下的多模态数据进行融合，并用改进的MSECLearningMulti-ScalePhotoExposureCorrection去除数据中的过度曝光部分，然后通过改进的YOLO-MS实现多模态行人位置检测，包括如下步骤：1采集复杂道路场景下的多模态数据进行预处理和标注：将所有视频图像通过双线性插值算法缩放为608×608像素2，采用LabelImg进行行人目标标注；2通过DIVFusion对采集的多模态数据进行融合以得到融合数据：使用DIVFusion融合算法将在复杂道路场景下采集到的多张可见光图像与红外图像进行1:1的DIVFusion融合；3对融合数据进行曝光校正与降噪；是指采用改进的MSEC进行曝光校正，并引入IDNInvertibleDenoisingNetwork进行降噪；所述的改进的MSEC，是指一种语义分割网络与MSEC的拉普拉斯金字塔多层结构按逐层方式进行融合；所述的一种语义分割网络，是指设计一个由初始化模块、Block1、Block2、Block3、CARAFEContent-AwareReAssemblyofFEatures残差、Block4、CARAFE残差和1×1全连接层组成的具有跨步连接的轻量型语义分割网络；其中，Block1和Block2由带有前置1×1卷积和通道混洗的非对称卷积残差结构组成，Block3与Block1结构相比去除了非对称卷积，CARAFE是一种通用性的轻量型上采样算子；进一步，重新改造了所述的语义分割网络的损失函数，按公式1计算， ， 其中，和的初始值为0.3和0.7，在训练过程中通过反向传播动态优化更新权重值；为每个类别的权重，为类别在第n个像素的基准值GroundTrue，为相应预测概率值，初始值设置为1；M表示类别数，只有0和1两种取值，如果预测类别和样本的类别相同则取1，否则取0，为权重参数，N表示总的像素个数，N c表示基准值类别c的像素个数，表示预测样本属于类别c的概率，初始值设置为1，通过改造，以提升损失函数的非线性；所述的按逐层方式进行融合，是指将拉普拉斯金字塔每一层图像视觉特征与图像语义特征通过逐张量像素相乘进行融合，具体的融合方式按公式2计算， ， 其中，F为融合结果，H和W为图像宽和高，为图像视觉特征的第i行和第j行像素，为图像语义特征的第i行和第j行像素，为逐像素相乘，为激活函数；4改进YOLO-MS检测网络；5利用训练出的改进YOLO-MS检测模型完成行人检测。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山街道华南农业大学数学与信息学院；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。