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！

龙图腾网获悉南京邮电大学申请的专利一种自适应增强下多尺度感受野的低照度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：CN119399448B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411641058.4，技术领域涉及：G06V10/25；该发明授权一种自适应增强下多尺度感受野的低照度目标检测方法是由葛琦;丁寒雪设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种自适应增强下多尺度感受野的低照度目标检测方法在说明书摘要公布了：本发明提供一种自适应增强下多尺度感受野的低照度目标检测方法，包括：步骤一：引入Global模块、RCSOBEL模块、LSKADCN模块优化yolov8目标检测算法，构建基于图像自适应增强和多尺度感受野的低照度目标检测模型；步骤二：获取低照度条件下的图像数据集，并进行处理；使用处理后的数据集训练所述低照度目标检测模型，得到训练好的低照度目标检测模型；步骤三：将待测的低照度图像输入到所述训练好的低照度目标检测模型，输出低照度目标检测结果。本发明能够在低照度图像中实现良好的检测效果，本发明适用于在各种光照不足的条件下生成的图像目标检测，例如夜间监控、无人驾驶。

本发明授权一种自适应增强下多尺度感受野的低照度目标检测方法在权利要求书中公布了：1.一种自适应增强下多尺度感受野的低照度目标检测方法，其特征在于：包括以下步骤： 步骤一：通过优化Yolov8目标检测算法，构建基于图像自适应增强和多尺度感受野的低照度目标检测模型；包括： 在Yolov8前引入Global模块用以生成预测控制图像全局信息的色彩矩阵和γ值，使图像转变为更适合目标检测的形式；在Yolov8中设计RCSOBEL模块，以从特征中学习更丰富的特征表示，加强边缘信息和空间信息的提取；在Yolov8中设计可变形大核可分离注意力的LSKADCN模块，用以对Yolov8中的SPPF模块进行改造，得到LKSPPF模块，使网络聚焦于关键特征信息； 具体的，所述在Yolov8中设计RCSOBEL模块，以从特征中学习更丰富的特征表示，加强边缘信息和空间信息的提取；包括： 将输入的特征图经过RepConv模块；分别经过两次EIESA模块；将三次输出通道拼接在一起；经过一个RepConv模块，得到最终特征图； 所述RepConv模块，在训练时是由三个并联的直接输出、3×3卷积以及1×1卷积组成，最后将得到的特征图相加，经过激活函数SiLu；在推理时将上述模块，重参数化为一个3×3卷积加SiLu激活函数，在保证精度的同时减低参数； 所述EIESA模块，工作流程包括： 将输入特征图经过卷积层和池化层，然后将特征图展平为batch_size，feature_dim大小，其中batch_size指的是每次迭代时的样本数量，feature_dim为展平特征图后得到的大小，再经过全连接层以及softmax归一化权重，得到四个权重值； 将输入特征图按通道方向平均分割为四个特征图，其中每个特征图分别经过SobelConv模块、RepConv模块、最大池化模块以及直接输出通道，得到四个特征图； 将得到的特征图分别乘以所述权重值，经过残差连接后，在通道方向融合，最后经过channelshuffle模块，打乱通道，得到最终特征图； 所述的LSKADCN模块由LSKA和可变形卷积组成，工作流程包括： 特征图经过一个3×3大小的可变形分组卷积，使得注意力根据数据特征自适应的改变，聚焦于隐匿在黑暗中的关键信息；然后经过由深度空洞分组卷积分成的两个级联的1D可分离权重卷积核，其中卷积核的大小分别为1，5、5，1；另外，特征图中的每个通道都与卷积核中的相应通道进行卷积； 经过1×1卷积，进行跨通道特征融合，最终推断出注意力图； 将输出的注意力图和输入特征相乘以进行自适应的特征细化； LSKADCN的输出，用公式表达为： ； ； 式中，F为输入特征图，DCN为可变形卷积，DW为1D可分离权重卷积核； 步骤二：获取低照度条件下的图像数据集，并进行处理；使用处理后的数据集训练所述低照度目标检测模型，得到训练好的低照度目标检测模型； 步骤三：将待测的低照度图像输入到所述训练好的低照度目标检测模型，输出低照度目标检测结果。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。