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！

龙图腾网获悉南京信息工程大学申请的专利一种基于YOLO-LiteMax神经网络的无人机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：CN119863725B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510039781.3，技术领域涉及：G06V20/17；该发明授权一种基于YOLO-LiteMax神经网络的无人机目标检测方法是由杨畅;苏健设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于YOLO-LiteMax神经网络的无人机目标检测方法在说明书摘要公布了：本发明公开了一种基于YOLO‑LiteMax神经网络的无人机目标检测方法，在不增加模型参数量的情况下进行密集小目标的识别，步骤包括：在主干网络中通过选择卷积模块将C2f模块中的Bottleneck替换为FasterNet块，减少特征图冗余信息；在颈部网络对不同尺度的特征图进行差异化处理，再通过增加大尺度特征图的方式突出小目标信息，得到小目标的局部细节；在头部网络使用组归一化和共享卷积进一步提取特征，识别目标物体图片中的密集小目标。本发明无人机目标检测方法，有效增强了无人机对密集小目标物体的检测能力，提高了检测精度，在保持效率的同时增强其在复杂环境中的鲁棒性。

本发明授权一种基于YOLO-LiteMax神经网络的无人机目标检测方法在权利要求书中公布了：1.一种基于YOLO-LiteMax神经网络的无人机目标检测方法，其特征在于，包括如下步骤： 步骤1、构建基于YOLOv8的YOLO-LiteMax目标检测模型，输入训练集图片进行模型训练； 步骤2、输入的图片经过主干网络进行特征提取，生成不同尺度的特征图；所述主干网络包含若干个CBS模块、若干个选择卷积块、一个SPPF模块；所述选择卷积模块将C2f模块中的Bottleneck替换为FasterNet块，用于减少特征图冗余信息； 步骤3、将生成的不同尺度的特征图输入颈部网络，利用尺度序列进行特征融合；所述颈部网络对不同尺度的特征图进行差异化处理，融合多尺度特征图局部细节与全局信息，再通过增加大尺度特征图的方式突出小目标信息，并利用特征提取模块得到小目标的局部细节； 步骤4、将颈部网络特征融合后的特征图输入头部网络，进行分类和回归任务；所述头部网络中，检测头使用组归一化和共享卷积进一步提取特征，共享各尺度特征之间的信息，并通过解耦头对分类和回归任务分别进行训练，使用尺度因子对特征图进行缩放，得到训练好的YOLO-LiteMax目标检测模型； 步骤5、将待检测的无人机图像输入至训练好的YOLO-LiteMax目标检测模型，进行目标检测，识别图像中的密集小目标； 步骤3颈部网络中，对不同尺度的特征图进行特征融合，方法如下： 步骤301、修改主干网络与颈部网络的连接方式，将传统YOLOv8主干网络第四、六、九层连接到颈部网络，优化为主干网络第二、四、六、九层连接到颈部网络；其中，第九层SPPF模块输出的特征图P5在进入颈部网络后先经过第十层CBS模块进行卷积处理； 步骤302、将特征图P3、P4和卷积处理后的特征图P5的作为大、中、小尺寸的特征图，输入到第一个SAC模块进行特征融合，对不同尺度的特征图进行差异化处理，平衡特征图的细节保留与全局信息提取，避免小目标特征在上采样过程中丢失； 将第一个SAC模块输出的特征图再次经过一个选择卷积块进行处理，将选择卷积块输出的特征图与特征图P2、P3再次输入到第二个SAC模块，进一步充分融合特征，接着经过选择卷积块进行处理，得到P3尺度特征图，供P3检测头使用； 将第二个SAC模块输出的特征图通过由大小为3，步长为2的卷积核组成的CBS模块进行下采样操作，下采样得到的结果与第一个SAC模块融合的特征图进行Concat操作，经过选择卷积块进行处理，得到P4尺度特征图，供P4检测头使用； 将得到的特征图再次通过由大小为3，步长为2的卷积核组成的CBS模块进行下采样操作，下采样得到的结果与经过第十层CBS模块输出的特征图进行Concat操作，经过选择卷积块进行处理，得到P5尺度特征图，供P5检测头使用； 步骤303、在颈部网络中增加两个C3DSF特征提取模块，捕捉特征图跨尺度之间的关联性，将特征图P3、P4、P5输入第一个C3DSF特征提取模块，充分提取特征图信息； 步骤304、将经过第一个C3DSF特征提取模块提取的特征与经过第二个SAC模块融合后的特征图进行Add操作，增加一个上采样模块和一个Concat模块，通过上采样融合P3尺度特征图，与主干网络中第二层选择卷积块的输出进行Concat操作，经过选择卷积块再次处理后，将特征图P2、P3、P4输入到第二个C3DSF特征提取模块进行特征提取，然后与选择卷积块处理后的特征进行Add操作，得到P2尺度特征图，供P2检测头使用； 所述C3DSF特征提取模块中，将大、中、小尺寸特征图调整为同一个通道数，对中、小尺寸特征图采用插值上采样操作，将特征图大小调整为大尺寸特征图大小，拓展大、中、小尺寸特征图张量的维度并进行拼接，对拼接后的特征图使用3D卷积提取特征，接着经过归一化层、激活函数层、最大池化层后，将得到的处理结果压缩为输入时的维度； 所述C3DSF特征提取模块，特征提取表达式如下： ； 其中，，，表示增加了3D维度的三个尺寸的特征图，表示拼接操作，表示三维卷积，表示批量归一化操作，表示激活函数，表示最大池化操作，表示降维操作，表示维度。

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信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。