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！

龙图腾网获悉西安电子科技大学申请的专利基于特征增强的轻量化SSD的红外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：CN115424028B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211029799.8，技术领域涉及：G06V10/40；该发明授权基于特征增强的轻量化SSD的红外目标检测方法是由周慧鑫;滕翔;于跃;戴加乐;宋江鲁奇;李欢;李苗青;王财顺;刘志宇;白宇婷;杨庆友;罗云麟;王珂;朱贺隆;王炳健设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本基于特征增强的轻量化SSD的红外目标检测方法在说明书摘要公布了：本发明公开了一种基于特征增强的轻量化SSD的红外目标检测方法，构建用于提取特征的基础网络结构；该方法包括：将原始图像输入预设网络，经过多个卷积层逐层卷积，在不同的卷积层分别获得图像的低层特征图和高层特征图；通过在低层特征分支后添加设计构建的PAC特征增强模块进行处理来进行特征加强，获得语义信息丰富的低层特征图；对所述语义信息丰富的低层特征图和高层特征图分别预测该特征图上每个网格对应的每个预测框所属的分类与边界框；通过非极大值抑制算法合并边界框，输出整个网络最终的预测结果。本发明在提高检测算法速度的同时，有效地提高了检测精度。

本发明授权基于特征增强的轻量化SSD的红外目标检测方法在权利要求书中公布了：1.一种基于特征增强的轻量化SSD的红外目标检测方法，其特征在于，包括如下步骤： 构建用于提取特征的基础网络结构，具体为：以轻量化MobileNet网络为基础，通过多次堆叠多个不同的非对称深度可分离卷积模块进行构建，输入图像经过3×3的标准卷积层进行下采样，然后卷积前进方向上依次叠加13个非对称深度可分离卷积模块ADWS，从而构成改进的AMobileNet网络结构，在非对称深度可分离卷积模块ADWS中，输入的特征图首先分别经过大小为1×3、3×3和3×1的卷积进行特征提取，并将得到的三个结果相加作为深度卷积的结果，然后对此深度卷积的结果再进行1×1的逐点卷积，以改变输出通道的数量，从而对信息进行跨通道整合得到最终输出； 将图像输入所述基础网络结构，经过多个卷积层逐层卷积，在不同的卷积层分别获得图像的低层特征图和高层特征图； 将输入图像经由ADWS11和ADWS13的输出矩阵作为图像的低层特征图；在深度卷积层ADWS13后添加4个额外的卷积层C14、C15、C16、C17，该4个额外的卷积层的每一层的输出作为图像的高层特征图；通过在低层特征分支ADWS11后添加设计构建的PAC特征增强模块进行特征加强，获得语义信息丰富的低层特征图，具体为：将由模块ADWS11输出的特征图经PAC模块进行并行分支处理，获得4个分支的输出结果在通道维度上进行级联，最后在通道维度上进行拼接后与模块ADWS11的输出图像进行相加，获得语义信息丰富的低层特征图；所述PAC特征增强模块共有4个分支结构，对于上一层输入： 1分支1经过1×1的卷积层降低通道的维度，在卷积层后添加3×3空洞率为1的空洞卷积产生输出； 2分支2经过1×1的卷积层降低通道的维度，在卷积层后添加3×3空洞率为2的空洞卷积产生输出； 3分支3经过1×1的卷积层降低通道的维度，在卷积层后添加3×3空洞率为3的空洞卷积产生输出； 4分支4先经过1×1的卷积层降低通道维度，在卷积层后再依次添加3×3的空洞率分别为1、2和3的空洞卷积产生输出； 对所述语义信息丰富的低层特征图和高层特征图分别预测特征图上每个网格对应的每个预测框所属的分类与边界框； 通过非极大值抑制算法合并边界框，输出整个网络最终的预测结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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。