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！

龙图腾网获悉淮阴工学院申请的专利一种基于SegNeXt结构和分层重排MLP的YOLOv8-Hire目标检测方法及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：CN116721312B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310772301.5，技术领域涉及：G06V10/774；该发明授权一种基于SegNeXt结构和分层重排MLP的YOLOv8-Hire目标检测方法及系统是由洪远;姜明新;杜强;黄俊闻;项靖;王杰设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种基于SegNeXt结构和分层重排MLP的YOLOv8-Hire目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于SegNeXt结构和分层重排MLP的YOLOv8‑Hire目标检测方法及系统，该方法包括选择数据集；对数据集中图像提取图像特征；对提取的图像特征进行特征融合，并将输出的结果建立新数据集；构建目标检测模型；利用新的数据集对目标检测模型进行训练；利用目标检测模型对待目标检测的图像进行目标检测；利用待目标检测的图像对目标检测模型进行性能评估；该系统包括图像特征提取模块、图像特征融合模块、模型训练模块、模型性能评估模块、目标检测模块。本发明解决了现有技术中YOLOv8网络在目标检测过程中无法有效地捕获物体的细节信息以及空间关系等局部信息、对具有复杂结构的物体难以进行准确的识别和定位的问题。

本发明授权一种基于SegNeXt结构和分层重排MLP的YOLOv8-Hire目标检测方法及系统在权利要求书中公布了：1.一种基于SegNeXt结构和分层重排MLP的YOLOv8-Hire目标检测方法，其特征在于，包括以下步骤： 步骤S1：选择MSCOCO2017数据集； 步骤S2：将YOLOv8网络的Backbone主干网中C2f模块全部替换为Hire-Block块，形成YOLOv8-Hire网络，并利用Hire-Block块中分层重排MLP对数据集中图像进行分割和重组来提取图像特征； 步骤S3：在YOLOv8网络的Backbone主干网外引入新型卷积神经网络结构SegNeXt，并利用SegNeXt对步骤S2处理过的图像进行特征融合，并将输出的结果建立新数据集； 所述的在YOLOv8网络的Backbone主干网外引入新型卷积神经网络结构SegNeXt，具体为：剔除原卷积神经网络结构SegNeXt中解码器部分，利用编码器中的DWConv深度可分离卷积、MSCA注意力机制、MSC模块部分重新组合成一种新型卷积神经网络结构SegNeXt，并将新型卷积神经网络结构SegNeXt引入到YOLOv8-Hire网络的Backbone主干网外； 所述的利用SegNeXt对步骤S2处理过的图像进行特征融合，包括以下子步骤： 步骤S301：将步骤S2处理过的图像输入到引入新型卷积注意力网络SegNeXt中，该网络结构利用DWConv深度可分离卷积提取输入图像的特征表示，同时对包含了输入图像所有特征表示的张量的每个通道单独进行卷积操作，再通过逐点卷积将不同通道的结果融合，以减少计算量和参数量； 步骤S302：基于步骤S301卷积操作生成的特征图，新型卷积神经网络结构SegNeXt利用注意力机制MSCA，将特征图分为多个子图，在每个子图中分别计算不同尺度的通道注意力权重，并对所有权重加权平均，从而获得不同尺度的特征图，提高特征表示的准确性； 步骤S303：新型卷积神经网络结构SegNeXt利用MSC模块，对每个子图进行卷积操作以提取上下文信息，该信息被用于调整不同层级的特征图，并进行融合，生成最终的输出结果，输出结果是一个与输入图像大小相同的张量，其中每个元素都代表了对应位置的像素点所属的物体类别； 步骤S4：构建目标检测模型，该模型基于YOLOv8-Hire网络，在该网络的Backbone主干网外引入新型卷积神经网络结构SegNeXt，并将CIoU损失函数替换为ECIoU损失函数； 步骤S5：利用新的数据集对步骤S4中目标检测模型进行训练； 步骤S6：利用训练好的目标检测模型对待目标检测的图像进行目标检测，并对该模型的性能进行评估。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市清江浦区枚乘东路1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。