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！

龙图腾网获悉重庆邮电大学申请的专利一种基于内容感知的轻量化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：CN119579864B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411644115.4，技术领域涉及：G06V10/25；该发明授权一种基于内容感知的轻量化目标检测方法是由张鸿;温东芳;王汝言;吴大鹏设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于内容感知的轻量化目标检测方法在说明书摘要公布了：本发明涉及一种基于内容感知的轻量化目标检测方法，属于目标检测技术领域。该方法通过使用图像自适应伽马变换算法增加数据底层信息，提高图像可读性；在YOLOv5s的基础上，以改进的ShuffleNetV2为主干网络，减少模型参数量；采用内容感知特征重组算子进行上采样，增强上下文语义信息的聚合效果；设计了全新的CBAMC3模块用于特征提取，以同时关注通道和空间位置上的特征信息，提高特征表达准确性；在改进后的模型中进行通道剪枝，进一步减少参数量。该方法在保证高精度的同时提升了实时性、减少了模型参数量，具有较强的泛化能力。

本发明授权一种基于内容感知的轻量化目标检测方法在权利要求书中公布了：1.一种基于内容感知的轻量化目标检测方法，其特征在于：所述方法包括以下步骤： S1、获取目标数据集，对数据集进行数据扩充、数据增强以及数据集划分； S2、采用改进的ShuffleNetV2作为YOLOv5s的主干网络对数据集进行特征的初步提取； S3、在YOLOv5s的颈部网络中，使用内容感知特征重组算子CARAFE对主干网络的输出进行上采样； S4、采用融合有CBAM注意力机制的CBAMC3特征提取模块对上采样后的数据进行特征提取； S5、提取的特征输入预测头网络中的若干个不同尺度的预测头进行目标检测； S6、对上述过程的YOLOv5s网络模型进行训练和验证，再对模型进行通道剪枝，得到轻量化的YOLOv5s模型，用于实时目标检测； 在步骤S1中，首先采用几何变换扩充数据集，其中，几何变换包括平移、翻转、镜像变换； 其次，通过自适应伽马变换算法增加图像灰度，其中，自适应伽马变换算法公式为： Voutx,y＝c0Vinx,yγx,y 其中，x和y分别表示图像的行坐标和列坐标，Vinx,y和Voutx,y分别表示在位置x,y输入灰度值和输出灰度值，γx,y表示根据位置x,y的不同动态调整的伽马值，α和β为常数，用于控制伽马值的动态调整范围，和表示5×5邻域内的最小值和最大值； 最后，按照预设比例将数据集划分为训练集、验证集和测试集； 在步骤S4中，CBAMC3模块同时沿着通道和空间两个独立维度推导出各自的权重系数，进行自适应细化，其具体过程为： 首先将输入特征X拆分为两个分支特征X1和X2，其中X2通过带有CBAM注意力的残差网络BottleNeck，然后通过Concat结构和X2进行特征拼接，其相应函数表达式如下： Z＝yN+X2＝FcbamyN-1+yN-1+X2,y0＝X1 其中，表示特征分离，Z为CBAMC3模块的输出特征，yN表示通过N个残差网络结构中两个卷积层的输出特征，Fcbam表示通过CBAM注意力机制后的输出特征； CBAM模块的输出特征表示为： Y＝FcbamXl＝MsMcXl⊙Xl⊙McXl⊙Xl 其中Y表示通过CBAM模块后的输出特征，Xl表示输入特征，Mc表示通道注意力权重，Ms表示空间注意力权重，⊙表示元素级乘法操作； 在步骤S6中，通道剪枝算法的损失函数如下所示： 其中，Ltask表示原始任务的损失项，Lprun表示剪枝损失项；Lpref表示性能损失项；λ1和λ2分别表示剪枝损失和性能损失的权重系数，Wc是通道c的权重； 轻量化后的YOLOv5s网络对目标进行实时检测。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。