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改进YOLOv7的无人机航拍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：CN117011728B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202311052927.5，技术领域涉及：G06V20/17；该发明授权基于改进YOLOv7的无人机航拍目标检测方法是由张育中;张正涛;葛文豪;舒双宝;张腾达;郎贤礼设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本基于改进YOLOv7的无人机航拍目标检测方法在说明书摘要公布了：本发明涉及深度学习与目标检测领域，公开了一种基于改进YOLOv7的无人机航拍目标检测方法，包括：获取VisDrone数据集，并划分为训练集、验证集和测试集；改进使用了SiLU激活函数的YOLOv7模型的tiny版本，改进方法包括增加小目标检测层、使用BiFPN结构、更换CIoU为WIoU、添加基于注意力机制的DyHead；对图片进行预处理，并输入改进的YOLOv7模型进行训练；利用训练得到的权重文件检测图片，验证模型的实际检测效果。本发明在保证无人机航拍目标检测检测速度的同时，显著提高了检测精度。

本发明授权基于改进YOLOv7的无人机航拍目标检测方法在权利要求书中公布了：1.基于改进YOLOv7的无人机航拍目标检测方法，其特征在于，包括以下步骤： 1将无人机航拍数据集VisDrone划分为训练集、验证集和测试集，划分比例为8：1：1，划分采用随机形式； 2对YOLOv7模型进行改进，YOLOv7模型分为Backbone、Neck和Head三个部分，针对Neck和Head两个部分进行优化； 步骤2具体方法是： 选择以SiLU为激活函数的YOLOv7-tiny模型作为基础进行改进； 增加小目标检测层：特征图经过YOLOv7-tiny网络的Backbone提取，分辨率不断降低，大量的小目标特征及位置信息在这个过程逐渐丢失，原始YOLOv7-tiny网络将三个不同尺度的特征图引入Neck部分进行融合，并在Head部分形成三个预测头；将一个分辨率160*160的特征图也引入网络，进行特征融合，并构成第四个应对小目标的预测头； 使用BiFPN结构：YOLOv7-tiny采用PANet的方式进行特征融合，Neck层的BiFPN结构对输入的特征进行上采样并与Backbone提取的特征融合，FPN结构添加上下文信息的边，并对每一个边乘以一个相应的权重，生成四个新的特征层，根据这些特征层输出检测结果； 更换CIoU为WIoU：YOLOv7-tiny使用CIoU损失函数对边界框进行回归预测，WIoU通过动态非单调聚焦机制将IoU替换为离群度评估锚框质量； 添加基于注意力机制的检测头DyHead：DyHead是一种动态检测头框架，结合注意力机制将目标检测中的尺度感知、空间感知和任务感知统一在一个框架中； 3对训练集图片数据进行预处理，将预处理之后的图片输入特征提取网络，提取不同尺度的特征图； 4利用3得到的各个尺度的特征图训练改进的YOLOv7模型，训练过程中用精确率Precision，召回率Recall以及均值平均精度mAP作为评价模型性能的指标，并用验证集数据监测模型是否过拟合，直至损失曲线收敛； 5将测试集数据输入训练得到的改进YOLOv7模型权重文件，获得无人机航拍图像目标的实际识别结果。

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。