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YOLOv5s改进的轻量模型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：CN116580311B 。

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：202310057471.5，技术领域涉及：G06V20/13；该发明授权一种基于YOLOv5s改进的轻量模型目标检测方法是由周子龙;周杰设计研发完成，并于2023-01-14向国家知识产权局提交的专利申请。

本一种基于YOLOv5s改进的轻量模型目标检测方法在说明书摘要公布了：本发明公开一种基于YOLOv5s改进的轻量模型目标检测方法，目标检测方法通过在基于YOLOv5s改进的轻量模型中融入了全局注意力机制，加强了通道与空间注意力机制之间的跨维度特征信息交互能力，减少目标特征因不同维度而丢失的问题，提高目标的特征提取；同时在检测头处结合自适应空间特征融合算法，通过自适应的调整各个尺度在融合时的空间权重，抑制空间尺度不一致性，使目标特征获得更加精准的网络处理比重，从而提高目标的多尺度特征融合能力，降低遥感图像中中小目标的漏检率和误检率。

本发明授权一种基于YOLOv5s改进的轻量模型目标检测方法在权利要求书中公布了：1.一种基于YOLOv5s改进的轻量模型目标检测方法，其特征在于，所述目标检测方法包括以下步骤： 步骤1、选择数据集； 步骤2、对数据集进行预处理； 步骤3、改进注意力机制，将预处理后的数据在基础的轻量级YOLOv5s中融入全局注意力机制； 步骤4、改进特征融合机制，经过步骤3处理后，通过自适应特征融合对经历过特征提取后的特征图进行特征融合； 步骤5、经过步骤3和步骤4将网络输出的图像送入检测头，通过损失函数计算预测损失，构建基于YOLOv5s改进的轻量模型； 步骤6、通过数据集对改进的轻量模型进行测试和验证； 步骤7、根据步骤6测试与验证的结果，对改进的轻量模型的指标进行评价； 所述改进注意力机制具体操作如下： 1将三维排列将特征图的维度由ΔC×ΔW×ΔH置换为ΔW×ΔH×ΔC，其中ΔC表示输入特征图的通道数，ΔW表示特征图的宽度，ΔH表示特征图的高度；通过两个多层感知机增强了通道与空间之间的跨维度联合，增强检测器对目标的提取，特征提取之后再通过三维逆排列恢复特征维度，其公式如下： 其中δ表示为sigmoid函数，表示三维排列，表示逆排列，MLP表示多层感知机； 2再对输入特征图进行卷积操作，7×7的卷积核，填充设为3，从而对通道域进行压缩降维，突出空间域的边缘处目标特征和目标特征差异，得到，r表示空间维度降低倍率， 其中，表示由卷积核为7×7，正则化和ReLU激活函数组成的卷积网络； 所述改进特征融合机制具体操作如下: 1设三层输出特征映射为xl,l∈{1,2,3}，设非l层的特征映射为xn，由于不同特征层中的特征映射具有不同的分辨率和通道数，通过Conv33卷积，步长为2对特征分辨率进行下采样，Conv11卷积压缩特征的通道数；不同层间进行拼接，加强了特征的多尺度融合，再通过自适应学习不同尺度特征的空间权重，提高特征的表征能力；特征融合公式如下： 其中，表示将第n层特征映射的点Di，j的特征向量大小调整为与第l层相同，表示输出特征映射yl在点Di，j处的特征向量； 2自适应提取n层到l层的空间权重，其定义如下式： 其中，，，，且均∈0,1；、、分别表示、、的权重标量映射； 所述基于YOLOv5s改进的轻量模型中，骨干网络部分，在最后的SPPF和C3中间嵌入一个GAM-ATTENTION；颈部网络部分，在C3和ASFF中间嵌入GAM-ATTENTION。

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：210044 江苏省南京市浦口区宁六路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。