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！

龙图腾网获悉北京科技大学申请的专利一种小目标检测方法和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：CN119992129B 。

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：202510205028.7，技术领域涉及：G06V10/72；该发明授权一种小目标检测方法和系统是由王粉花;严孝宝;刘红敏;刘子熠设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本一种小目标检测方法和系统在说明书摘要公布了：本发明提供了一种小目标检测方法和系统，属于计算机视觉领域。所述方法先获取历史图像及真实标注样本，样本类别包括极端小目标、相对小目标、普通小目标和正常尺寸目标；构建小目标检测模型；将历史图像输入卷积神经网络提取特征图；再将特征图输入改进的CRPN，基于不同的样本类别，得到候选样本，再映射在特征图上，获得感兴趣区域及特征，再基于特征得到样本的预测类别和回归位置；同时，从感兴趣区域的特征中筛选出正样本和典型负样本，基于预测类别、回归位置、正样本教师集和典型负样本教师集对小目标检测模型进行训练，最后将当前待检测的图像输入训练完成的小目标检测模型，输出检测结果。本发明提高了小目标检测的精度和准确度。

本发明授权一种小目标检测方法和系统在权利要求书中公布了：1.一种小目标检测方法，其特征在于，所述方法包括如下步骤： 步骤S1，获取历史图像以及历史图像中的真实标注样本作为训练数据集，且所述训练数据集包括按目标尺寸划分的真实标注样本的类别，包括极端小目标eS、相对小目标rS、普通小目标gS和正常尺寸目标N； 步骤S2，构建小目标检测模型，所述模型包括卷积神经网络、改进的粗细管道网络CRPN、映射模块、分类头、检测头和损失函数模块； 步骤S3，将所述历史图像输入卷积神经网络，提取图像的特征图，所述特征图中包含真实标注样本以及类别信息； 步骤S4，将所述特征图输入改进的CRPN，通过粗管道生成候选样本，通过细管道优化候选样本，并计算每个候选样本的分类得分； 步骤S5，将优化后的候选样本映射在特征图上，获得感兴趣区域，对感兴趣区域的原始特征进行池化和对齐，得到感兴趣区域的特征； 步骤S6，将感兴趣区域的特征输入分类头和检测头，得到所有真实标注样本的预测类别和回归位置；同时，从感兴趣区域的特征中筛选出正样本和典型负样本，建立得到正样本教师集和典型负样本教师集；且所述从感兴趣区域的特征中筛选出正样本和典型负样本，具体包括如下步骤： 获取感兴趣区域的特征对应的候选样本的IoU值和分类得分； 定义IQ_H＝IoU×分类得分，同时预设正样本阈值T正，将IQ_HT正的特征作为正样本； 定义IQ_L＝1-IoU×分类得分，同时预设负样本阈值T负，将IQ_LT负的特征作为典型负样本； 步骤S7，基于预测类别、回归位置、正样本教师集和典型负样本教师集，计算分类损失、回归损失、特征模仿的正样本对比损失和负样本对比损失，通过四种损失计算得到综合损失，基于综合损失完成对所述小目标检测模型的训练； 所述正样本对比损失，采用如下所示的损失函数： 式2中ρ表示候选样本集合，表示当前候选样本，υp表示当前正样本，表示正样本集合中的样本，τ表示控制对比学习的温度系数； 所述典型负样本对比损失，采用如下所示的损失函数： 式3中，ρ表示候选样本集合，表示当前候选样本，υn表示当前负样本，表示负样本集合中的样本，τ表示控制对比学习的温度系数； 步骤S8，将当前待检测的图像输入训练完成的小目标检测模型，输出所有的目标检测结果，所述目标检测结果中包括小目标检测结果。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。