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！

龙图腾网获悉重庆邮电大学申请的专利基于动态卷积与注意力机制的多模态特征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：CN116452937B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310454888.5，技术领域涉及：G06V10/80；该发明授权基于动态卷积与注意力机制的多模态特征目标检测方法是由许国良;王钰设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本基于动态卷积与注意力机制的多模态特征目标检测方法在说明书摘要公布了：本发明涉及基于动态卷积与注意力机制的多模态特征目标检测方法，属于图像识别领域。该方法在YOLOv5的Backbone开始阶段有两条数据流，分别输入的可见光图像和红外光图像，并使用动态卷积模块ODConv和多光谱卷积注意力特征融合模块MS‑CBAM以及残差网络进行特征提取操作。本发明的优点在于结合了可见光图像与红外图像的特征，结合多种注意力机制与架构，大幅度提升多模态和小目标的目标检测精度，解决了在昏暗环境下目标检测性能弱的问题。相较于其他多模态融合目标检测，本发明训练速度快、硬件资源消耗低。

本发明授权基于动态卷积与注意力机制的多模态特征目标检测方法在权利要求书中公布了：1.基于动态卷积与注意力机制的多模态特征目标检测方法，其特征在于：该方法包括以下步骤： S1：建立基于YOLOv5的双流卷积检测网络的神经网络模型，其中Backbone采用卷积操作和特征融合模块进行模态融合与特征学习； S2：采用通道注意力和空间注意力组成多光谱模块MS-CBAM，使用通道注意力分别对可见光与红外光图像特征图进行特征加权，之后将红外光与可见光图像堆叠至一起使用空间注意力对特征图进行特征加权，之后使用残差网络细化特征； S3：对卷积结构引入多头注意力机制，通过对输入通道维度、输出通道维度、空间维度与卷积核四个维度赋予卷积不同的注意力系数矩阵，建立动态卷积ODConv模块； S4：设置MS-CBAM模块作为80×80×256的特征图为大的位置进行输出，ODConv模块作为40×40×512和20×20×1024的特征图为中、小的位置进行输出；输出三个不等大小的特征图进入Neck层即特征金字塔，进行特征提取，对输出的特征进行预测，并输出预测结果； S5：在训练阶段，可见光和红外光数据经过Mosaic数据增强、自适应锚框计算、自适应图片缩放过程后进入双流神经网络训练；采用YOLOv5l预训练权重来进行初始化，并使用随机梯度下降算法来学习网络的参数； 在预测阶段，使用softmax分类器获得所属类别的最终分类概率； 在优化阶段，采用定位损失、分类损失、置信度损失联合优化的方式减少真实值与预测值之间的误差，并在定位损失中引入NWD，提升小目标检测的精度；不断重复S5，直到迭代次数达到设定的迭代次数时，模型训练完成，进行目标检测任务。

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邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。