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！

龙图腾网获悉重庆大学申请的专利一种基于多尺度信息融合的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：CN116740412B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310492349.0，技术领域涉及：G06V10/764；该发明授权一种基于多尺度信息融合的小目标检测方法是由沈志熙;李俊北;金其坚;张洪田;吴玥设计研发完成，并于2023-05-05向国家知识产权局提交的专利申请。

本一种基于多尺度信息融合的小目标检测方法在说明书摘要公布了：本发明涉及基于多尺度信息融合的小目标检测方法，包括如下步骤：获取现有数据集，并对数据集进行预处理，经过预处理后的所有图片构成训练集；构建小目标检测模型，该小目标检测模型采用YOLOv5的主干特征提取网络作为基础模型，对其中的几个模块进行替换；对输入数据集数据引入数据重采样操作，并进行训练，待最优收敛后保存模型参数得最优小目标检测模型；调用最优小目标检测模型，输入测图片进行检测，输出即为识别的结果。通过实验验证结果得出该方法提升了对多尺度特征的提取能力，同时有效的改善了小尺度目标的检测性能，测试精度较现有方法均有所提升。

本发明授权一种基于多尺度信息融合的小目标检测方法在权利要求书中公布了：1.基于多尺度信息融合的小目标检测方法，其特征在于，包括如下步骤： S1：获取现有数据集，并对数据集进行预处理，经过预处理后的所有图片构成训练集； S2：构建小目标检测模型，所述小目标检测模型采用YOLOv5的主干特征提取网络作为基础模型，将基于通道重组的轻量化逆瓶颈残差模块shuffle_res2net_s与YOLOv5主干特征提取网络中CSP_BottleNeck里的残差结构进行替换，定义为MSL_backbone模型； 所述S2中基于通道重组的轻量化逆瓶颈残差模块包括： 所述shuffle_res2net_s的输入特征图为，表示输入特征图，为输入通道，为特征图高度，为特征图宽度； 经过卷积核大小为1×1的卷积进行通道上的升维改变，通道维度变成，得到特征图为，其中，表示经过卷积操作后得出的特征图,表示改变后的通道维度； 对在通道层面上进行分割，分割成通道大小相等的n个特征子图，用表示，其中，的空间大小与的大小一致，通道是的1； 将最后一个分支不经过3×3分组卷积核过滤，其余3个分支都经过3×3分组卷积的过滤，第一个分支以后的每个分支的输入都包含前一个分支的输出； 在包含分组卷积的分支中，在输入特征子图经过分组卷积之后，对提取出的特征子图在通道维度进行重组； 将4个分支的输出在通道层面上进行拼接，采用卷积核大小为1×1的卷积，进行特征融合并降维，并采用跳跃连接与输入进行元素级相加； 1 2 其中表示卷积核大小为33的分组卷积操作；表示通道重组操作；表示卷积核大小为1×1的卷积操作；表示每个分支的输入；表示每个分支的输出；表示模块最终的输出； 将改进的多尺度空洞空间金字塔池化模块Imp_ASPP与YOLOv5中的空间金字塔池化模块SPP进行替换； 所述S2中改进的多尺度空洞空间金字塔池化模块包括 所述Imp_ASPP的输入特征图为； 将输入特征图分为5个分支，第一个分支采用卷积核大小为1×1进行卷积操作； 对于第2-4个分支以不同采样率的深度可分离空洞卷积并行采样获取不同尺度的图像上下文信息，并在每个深度可分离空洞卷积后面采用通道洗牌操作；对于分支的输入方面，将前一个分支的输出，与本分支的输入进行拼接作为本分支的输入；同时对于分支的输出方面，将前一个分支的输出，与本分支的输出进行拼接作为本分支的输出； 将第5个分支首先经过一个自适应均值池化，然后经过一个1×1的卷积层，最终将特征图从1×1的大小上采样回原来的尺寸； 将5个分支的输出，其中在通道层面进行Concat拼接，再利用进行降维恢复到原来的通道数量，最终得到输出特征图； 将改进后用于改善小目标检测性能的模块CONV_NS用于替换YOLOv5网络中的下采样模块； S3：对输入数据集数据引入数据重采样操作，并进行训练，待最优收敛后保存模型参数得最优小目标检测模型； S4：调用最优小目标检测模型，输入待检测图片进行检测，输出即为识别的结果。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。