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！

龙图腾网获悉北京理工大学申请的专利一种基于位置编码的空间小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：CN117079098B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310826843.6，技术领域涉及：G06V10/82；该发明授权一种基于位置编码的空间小目标检测方法是由乔栋;刘月鹏设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于位置编码的空间小目标检测方法在说明书摘要公布了：本发明公开的一种基于位置编码的空间小目标检测方法，属于航天航空技术领域。本发明实现方法为：通过获取包含小天体的多个视频帧图像，构建小天体数据集。构建包括将多头自注意力MHSA网络和CSPDarkNet53相融合的特征提取网络CSPMHSA，使用二维位置编码Rh和Rw对图像信息在x和y维度上进行分解，在2D特征映射上实现全局自注意；在特征融合网络PANet中加入注意力模块；检测头网络使用ASFF_Detect；基于所述特征提取网络、特征融合网络与检测头网络构建基于位置编码的小目标检测MA‑YOLO模型。使用迁移学习方法，在小天体数据集上进行训练，训练后得到最优基于位置编码的小目标检测MA‑YOLO模型，基于模型提高对小目标检测效率和准确率。

本发明授权一种基于位置编码的空间小目标检测方法在权利要求书中公布了：1.一种基于位置编码的空间小目标检测方法，其特征在于：包括如下步骤， 步骤一：通过获取包含小天体的多个视频帧图像，并使用滤波算法对图像进行预处理，构建小天体数据集并进行标注，将标注后的图像划分为训练集，验证集和测试集； 步骤二：在网络中引入多头自注意力机制，创建Queryq，Keyk，Valuev将获得的图像分为三个部分，自注意力表达式如下： 当使用多头自注意力时，表达式如下： MultiHeadQ,K,V＝Concathead1,...,headhWo 其中headi＝AttentionQWiQ,KWiK,VWiV 将多头自注意力机制中的Linear层使用PointwisePW卷积进行替换，由于PW卷积具有共用参数的特征，使得算法的参数进一步降低； 构建包括将多头自注意力MHSA网络和CSPDarkNet53主干相融合的特征提取网络CSPMHSA，在CSPDarkNet53主干网络的第五层，第七层和第十层中，使用多头自注意力MHSA网络替换CSPDarkNet53主干网络中的特征提取模块，综合利用MHSA网络具有位置编码的特点，使用二维位置编码Rh和Rw对图像信息在x和y维度上进行分解，从而能够有效的将目标信息与位置信息相关联，在2D特征映射上实现全局自注意； 在特征融合网络PANet的第十四层，第十八层和第二十一层中加入注意力模块，通过注意力模块对重要的信息进行强化，将不同尺度的信息进行融合，提高多尺度特征融合网络对小目标的提取能力； 检测头网络使用融合自适应空间特征融合ASFF的Detect网络，利用自适应空间特征融合ASFF可以解决特征金字塔的不同尺度不一致性问题，保留有用的信息进行组合，使用检测头Detect对目标的种类和位置进行检测；根据损失函数不断优化和调整网络模型的权重参数，使基于位置编码的小目标检测MA-YOLO的模型对小目标的识别准确率不断提高，直到得到MA-YOLO的模型的最佳参数； 损失函数由置信度损失函数、边界框损失函数和分类损失函数三类损失组成，损失函数为三个损失加权求和所得，如式所示： L＝λ1Lobject+λ2Lbox+λ3Lclass 其中，Lobject是置信度损失函数，Lbox是边界框损失函数，Lclass是分类损失函数； 基于所述特征提取网络、特征融合网络与检测头网络构建小目标检测MA-YOLO模型； 步骤三：在通用数据集上对所述基于位置编码的小目标检测模型进行预训练，获得通用数据集预训练模型；使用迁移学习方法，在所述小天体数据集上进行训练，训练后得到最优基于位置编码的小目标检测MA-YOLO模型； 步骤四：将待识别的小目标图像输入到预先训练好的最优MA-YOLO模型中，利用所述最优MA-YOLO模型实现实时性与准确率高的小目标检测。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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”。

以上内容由龙图腾AI智能生成。