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改进YOLOv4-tiny的多尺度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：CN116310361B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211088733.6，技术领域涉及：G06V10/40；该发明授权一种基于改进YOLOv4-tiny的多尺度目标检测方法是由魏新池;郑钰辉设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种基于改进YOLOv4-tiny的多尺度目标检测方法在说明书摘要公布了：一种基于改进YOLOv4‑tiny的多尺度目标检测方法，在YOLOv4‑tiny的主干特征提取网络之后引入快速空间金字塔池化结构，丰富小目标的空间特征信息，实现局部特征和全局特征的融合；将YOLOv4‑tiny算法的FPN网络改进为三层的路径增强特征金字塔网络，提升对不同尺度目标的检测能力，同时在浅层增加一个预测输出头，提高小目标的识别率；引入通道注意力机制，使网络更加关注待检测目标，提高检测精度。本发明的方法在精度上比YOLOv4‑tiny提升了12map@0.5和13.98map@0.5:0.95，在推理速度上比YOLOv4提升了132FPS，在多尺度目标检测任务中有一定的实用性。

本发明授权一种基于改进YOLOv4-tiny的多尺度目标检测方法在权利要求书中公布了：1.一种基于改进YOLOv4-tiny的多尺度目标检测方法，其特征在于，包括： 步骤1：输入图片，利用主干特征提取网络CSPDarknet53-tiny提取图片的特征图，所述主干特征提取网络CSPDarknet53-tiny依次包括两个卷积模块、三个残差块和一个卷积模块； 步骤2：将主干特征提取网络的最后一个卷积模块处理后的特征图输入至快速空间金字塔池化结构中进行特征融合，得到融合后的特征图； 步骤3：将主干特征提取网络的第一个残差块和第二个残差块得到的特征图、以及步骤2中融合后的特征图分别输入至加强特征提取网络中，加强特征提取网络对三个特征图进行处理，并进一步提取特征，其中，加强特征提取网络的激活函数使用LeakyReLu函数； 步骤4：将经过加强特征提取网络处理后的特征图输入至超轻量级通道注意力模块ECA中进行处理； 步骤5：将经过ECA模块处理后的特征图输入至预测输出头，利用预测输出头进行结果预测； 步骤6：训练改进后的模型，获取训练结果并对模型进行评估，得到最佳模型； 步骤7：使用最佳模型对图片、视频进行检测，或者调用摄像设备进行实时检测，获取检测结果，并计算模型的推理速度。

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：210032 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。