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！

龙图腾网获悉浙江工业大学申请的专利一种高速公路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：CN116311062B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310269546.6，技术领域涉及：G06V20/52；该发明授权一种高速公路小目标检测方法是由邵奇可;郑泖琛;叶文武;颜世航设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本一种高速公路小目标检测方法在说明书摘要公布了：本发明公开了一种高速公路小目标检测方法，包括：获取未标记数据集并对未标记数据集中的各输入图像进行数据增强处理，形成对应的重建图像建立目标检测网络模型并对重建图像进行检测，获得对应的目标检测结果。该方法不同于传统的目标检测模型，对小像素目标的识别有较高的精度，尤其对高速公路的异常天气场景适应能力强，能够更加精准的检测高速公路上的异常物体，且使用掩蔽重建的数据增强方法来为小目标物体的检测获得更加精确的框，并针对小目标物体特征少，样本不平衡的特点，改进了损失函数，采用均衡焦点损失函数来缓解类别不平衡的问题，由此提高小目标检测的精度，更好的应用于高速公路。

本发明授权一种高速公路小目标检测方法在权利要求书中公布了：1.一种高速公路小目标检测方法，其特征在于：所述高速公路小目标检测方法包括如下步骤： S1、获取未标记数据集X＝{x1,x2,…,xl,…,xN}，并对未标记数据集中的各输入图像进行数据增强处理，形成对应的重建图像xl表示第l个输入图像，l＝1,2,…,N； 所述对未标记数据集中的各输入图像进行数据增强处理，形成对应的重建图像采用数据增强模块实现，所述数据增强模块包括第一编码器、第二编码器和解码器，并执行如下操作： S11、采用未标记数据集X＝{x1,x2,…,xl,…,xN}训练第二编码器和解码器，其中，所述第二编码器Eθ的可学习参数θ满足所述解码器满足M∈{0,1}W×H表示采用图像块大小为W×H像素的逐块二进制掩码，W表示输入图像x的像素宽度，H表示输入图像x的像素高度； S12、将各输入图像划分为S个图像块； S13、对每个划分后的输入图像执行如下操作： S131、利用第一编码器将划分后的输入图像转换为向量； S132、基于注意力策略获取第i个图像块的注意力图Attni： Attni＝qcls·ki,i∈{0,1,…,p2-1} 式中，qcls表示图像块序列的查询，ki表示第i个图像块的键嵌入，p表示图像块的尺寸； S133、对各注意力图排序获取前K个索引集Ω： Ω＝top-rankAttn,K 式中，top-rank·,K表示返回前K个最大元素的索引，Attn表示Attni的集合； S134、获取二进制掩码M*： 式中，表示向下舍入运算，mod·表示模运算，Ωi表示索引集Ω中的第i个元素； S135、根据二进制掩码M*获取掩蔽图像M*⊙x，划分掩蔽图像成不重叠的图像块并丢弃被二进制掩码遮挡的图像块，余留的可见图像块送入预训练好的第二编码器和解码器以生成对应的重建图像 S2、建立目标检测网络模型并对重建图像进行检测，获得对应的目标检测结果，所述目标检测网络模型包括特征提取模块、动态实例交互头、以及分类与回归分支单元，所述特征提取模块采用FPN网络，所述动态实例交互头包括N个特征提取单元，各所述特征提取单元包括自注意力模块、全连接层、第一卷积层、第二卷积层、ReLu函数和view操作，所述目标检测网络模型执行如下操作： S21、将重建图像输入特征提取模块，获取对应的多尺度特征图； S22、设置N个建议框和对应的建议特征，所述建议框表示为归一化的中心坐标、高和宽形成的四维向量，所述建议特征具有与所述特征提取模块的输出特征相同的维度； S23、将建议框和多尺度特征图一一对应通过RoIAlign操作获得对应的ROI特征； S24、将各建议框的建议特征和ROI特征一一对应输入动态实例交互头的特征提取单元，获取对应的目标框和目标特征，所述特征提取单元执行如下操作： 利用自注意力模块对建议特征进行自注意力操作，获得第一特征； 将第一特征经过全连接层转换成一维向量形成第二特征； 将ROI特征和第二特征输入第一卷积层，并依次经过第二卷积层、ReLu函数，然后采用view操作调整维度，获得对应的目标特征； S25、更新建议框和建议特征对应为目标框和目标特征，返回执行步骤S23，直至完成迭代次数，获得交互特征； S26、将交互特征输入分类与回归分支单元，获得目标检测结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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。