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！

龙图腾网获悉西安理工大学申请的专利基于归一化注意力机制YOLOv7的交通标志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：CN116740674B 。

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：202310623271.1，技术领域涉及：G06V20/58；该发明授权基于归一化注意力机制YOLOv7的交通标志检测方法是由刘晶;刘俊伟设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本基于归一化注意力机制YOLOv7的交通标志检测方法在说明书摘要公布了：本发明公开基于归一化注意力机制YOLOv7的交通标志检测方法，具体如下：步骤1，获取自动驾驶时拍摄的交通标志的系列图像；步骤2，将步骤1获取的交通标志的系列图像裁剪或填充成固定尺寸的大小图像并把它们都转变成张量；步骤3，将步骤2得到的张量送入到改进后的backbone模块及neck模块进行特征提取；步骤4，在步骤3对原YOLOv7网络改进的基础上继续对原有的head模块进行改进，将步骤3获得特征张量送入到改进后的head模块；步骤5，根据步骤4得到的特征张量送入改进后的head模块的REPConv层，再经过检查头，从而输出交通标志检测结果。解决了现有技术中背景复杂下交通标志检测精度低的问题。

本发明授权基于归一化注意力机制YOLOv7的交通标志检测方法在权利要求书中公布了：1.基于归一化注意力机制YOLOv7的交通标志检测方法，其特征在于，具体如下：步骤1，获取自动驾驶时拍摄的交通标志的系列图像；步骤2，将步骤1获取的交通标志的系列图像裁剪或填充成固定尺寸的大小图像并把它们都转变成张量；步骤3，对原YOLOv7网络中的backbone模块及neck模块进行改进，将步骤2得到的张量送入到改进后的backbone模块及neck模块进行特征提取；步骤4，在步骤3对原YOLOv7网络改进的基础上继续对原有的head模块进行改进，将步骤3获得特征张量送入到改进后的head模块；步骤5，根据步骤4得到的特征张量送入改进后的head模块的REPConv层，再经过检查头，从而输出交通标志检测结果； 步骤3具体按照以下步骤实施： 步骤3.1，在原YOLOv7网络的backbone模块中的Bconv层和MPConv层和neck模块中的MPConv层均引入了专门针对视觉任务的激活函数FreLU； 步骤3.2，使用参数化池窗口来创建空间依赖项，定义FreLU激活函数的形式如式1及2所示： fxc,i,j＝maxxc,i,j,Txc,i,j1 其中，xc,i,j为非线性激活，f·在第c个通道上二维空间位置i,j的输入像素；函数T·表示漏斗条件，表示kh×kw；以xc,i,j为中心的参数化池化窗口，表示该窗口在同一通道上共享的系数，·表示点乘； 步骤3.3，将步骤2得到的张量送入到改进后的backbone模块中进行特征提取，得到输出特征张量，张量一张一张进入，实时监测； 步骤3.4，将改进后的backbone模块的输出特征张量送进改进后的neck模块，此外，将改进后的backbone模块中的倒数二三层的ELEN层的特征张量再送入到改进后的neck模块，进行特征图融合获得特征张量； 步骤4具体按照以下步骤实施： 步骤4.1，在步骤3对原YOLOv7网络改进的基础上在原有的head模块中REPConv层之前加入归一化NAM注意力机制； 步骤4.1中，NAM注意力机制中包含通道注意力机制模块和空间注意力机制模块，通道注意力机制模块和空间注意力机制模块均使用批归一化中的比例因子，比例因子如下式3所示： 其中，μB和σB为小批量B的平均值和标准差，γ和β是可训练的仿射变换参数，Bin是批量B的输入，Bout是批量B的输出； 步骤4.2，步骤3获得特征张量首先会进入到通道注意力机制模块中，得到通道注意力机制模块的输出特征Mc； 步骤4.2中，通道注意力机制模块的输出特征如式4所示： Mc＝sigmoidWγBNF14 其中，Mc表示通道注意力机制模块的输出特征，Wγ为通道权值， γ为各通道的比例参，k为通道数，BN是比例因子，F1是进入通道注意力机制模块的输入特征； 步骤4.3，将得到的通道注意力机制模块的输出特征Mc继续输入到到空间注意力机制模块中得到空间注意力机制模块的输出特征Ms； 步骤4.3中，空间注意力机制模块的输出特征Ms如式5所示： Ms＝sigmoidWλBNsF25 其中，Ms表示空间注意力机制模块的输出特征，Wλ为空间像素权值，λ为各像素的比例参数，n为像素数，BNs是空间比例因子，F2是通道注意力机制模块的输出特征。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路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”。