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！

龙图腾网获悉合肥工业大学申请的专利基于注意力机制和重参数化的无人机图像交通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：CN116363532B 。

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：202310314441.8，技术领域涉及：G06V20/17；该发明授权基于注意力机制和重参数化的无人机图像交通目标检测方法是由马学森;魏维新;周天保;蒋功辉;许雪梅;马吉;郑彪;彭行浩;钟智能;李景奇;虞秀轩设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本基于注意力机制和重参数化的无人机图像交通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注意力机制和重参数化的无人机图像交通目标检测方法，包括：1、利用无人机携带的摄像设备采集的图像构建数据集；2、建立无人机图像交通目标检测模型，在主干网络的卷积层增加旁路卷积分支提高特征提取能力，利用注意力机制增强交通目标的信息表达，利用通道偏移的双分支检测头更精确定位目标边界框的位置和识别目标类别；3、构建损失函数，训练迭代后直到网络的参数收敛；4、模型推理时利用重参数化技术将主干网络的旁路卷积分支进行融合，保留模型性能的同时提高推理速度。本发明能识别出无人机图像中的交通目标位置和类别信息，对交通流量监控和构建智能交通系统具有重要意义。

本发明授权基于注意力机制和重参数化的无人机图像交通目标检测方法在权利要求书中公布了：1.一种基于注意力机制和重参数化的无人机图像交通目标检测方法，其特征在于，包括以下步骤： 步骤1、获取带有标签信息的N张无人机航拍图像的数据集；N表示所述数据集中图像的总数；所述标签信息包括：目标检测框的位置信息及目标检测类别； 步骤2、构建目标检测模型，包括：输入端、主干网络、特征融合网络、输出端；其中，所述输入端包括：Mosaic数据增强层、图像缩放填充层，所述主干网络包括：由主干分支和旁路分支构成的若干个并行分支，每个分支均为卷积层；所述特征融合网络包括：k-1级图像超分路径、k-1级嵌入GCAM注意力机制的路径增强网络；所述输出端包括：目标预选框计算模块、通道偏移的双分支目标检测头；k表示特征的尺度数； 每级图像超分路径依次由一个卷积层、上采样层和若干个C3模块组成； 所述C3模块依次由两个并行的上、下分支、一个卷积层构成，其中，上分支包括：一个卷积层和一个瓶颈块；下分支包括：一个卷积层，上、下分支的输出结果进行通道拼接后进入自身C3模块的卷积层； 所述每级路径增强网络依次由一个卷积下采样层、若干个C3模块和一个GCAM注意力机制模块组成； 所述GCAM注意力机制模块依次由一个全局注意力模块和一个通道注意力机制模块组成； 通道偏移的双分支目标检测头依次由一个shift操作层、一个卷积层、一个双分支计算层和一个Concat层构成； 所述双分支计算层包括分类分支和回归分支，且两个分支均依次由若干个卷积层和shift操作层构成； 所述分类分支利用一个卷积层输出交通目标的类别信息； 所述回归分支利用两个参数不共享的全连接层分别得到交通目标边界框的目标预选框的相对偏移量以及交通目标边界框的置信度； 步骤3、采用随机梯度下降法对所述目标检测模型进行训练，并使用CIOUloss损失计算预测目标边界框损失，使用BCEloss损失计算置信度损失与分类损失，直到损失收敛或达到最大迭代次数后，停止训练，从而生成最优目标检测网络及其最优参数； 步骤4、利用重参数化方法将所述主干网中若干个并行分支重参数化为若干个单分支，从而得到最终的目标检测网络用于对无人机终端实时采集的图像或以本地保存的静态图片进行检测，得到目标检测结果。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。