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！

龙图腾网获悉南昌大学申请的专利一种基于自适应区域筛选高分辨率交通标志快速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：CN117132962B 。

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：202311046684.4，技术领域涉及：G06V20/58；该发明授权一种基于自适应区域筛选高分辨率交通标志快速检测方法是由闵卫东;李嘉豪;陈炯缙;张曙光设计研发完成，并于2023-08-19向国家知识产权局提交的专利申请。

本一种基于自适应区域筛选高分辨率交通标志快速检测方法在说明书摘要公布了：本发明提供了一种基于自适应区域筛选高分辨率交通标志快速检测方法，提出自适应区域筛选模型，通过提取图像特征并利用图像分块技术实现判断每个图像块是否含有交通标志的目的，该模型包括，图像调整、多尺度特征融合、区域特征提取、类别预测四个部分。提出基于图像分割技术辅助交通标志检测模型，多尺度语义分割模块CAM，提取多尺度特征实现简单融合后再对融合特征进一步提取获得对应不同分辨率的多尺度分割图，将上述分割图引入交通标志检测模型的多尺度特征融合网络中，指导并提高对前景特征的信息提取，Tex在融合特征输出之后，对特征的背景区域再度探索，对输入特征再度细化。本发明能帮助交通标志检测实现对精度和实时性的平衡。

本发明授权一种基于自适应区域筛选高分辨率交通标志快速检测方法在权利要求书中公布了：1.一种基于自适应区域筛选高分辨率交通标志快速检测方法，其特征在于：包括以下步骤： S1：将图像调整尺寸输入到自适应区域筛选模型中的主干网络中，利用主干网络提取调整后的图像中交通标志相关的有效信息； S2：将主干网络提取到的多尺度特征C3、C4、C5送入特征金字塔FPN中经由自底向上子网初步实现多尺度特征融合得到P3、P4、P5，再将融合后的多尺度特征输入多尺度空间-通道特征融合ASFF-CAM模块中，利用空间注意力和特征注意力重新分配权重的方式，再度融合多尺度特征以此获得优化后的浅层特征；其中，所述ASFF-CAM模块：是在ASFF基于空间注意力融合多尺度特征的基础上加入通道注意力融合多尺度特征，与传统ASFF不同，模块最终目的是获得优化的浅层特征而不是获得新的多尺度特征，所以去掉另外的分枝；空间注意力融合，首先利用1×1卷积和最近邻上采样向3对齐4,5之间的特征的分辨率和通道数，其次再度利用1×1卷积压缩三个特征之间的通道数为8，在通道层面上堆叠压缩后的特征，之后将堆叠特征输入1×1卷积映射通道为3，并利用softmax函数获得三个特征所占比例，最后利用公式F1*W1+F2*W2+F3*W3融合多尺度特征F1,F2,F3对应三层特征，W1,W2,W3对应三个空间注意力权重；通道注意力融合，首先将对齐的三层特征进行元素相加，然后提取该特征的最大池化特征和平均池化特征，借鉴SENet压缩扩张原理获得对应B,3*C,1,1的权重特征，将特征调整为B,C,3,1形式，对第3通道使用softmax函数；利用F1*CW1+F2*CW2+F3*CW3融合特征,其中CW1和CW2以及CW3对应空间通道注意力权重；在获取空间融合和通道融合特征后，借鉴C2f的思想实现对两种特征的融合，首先利用1×1卷积将特征初步融合并分为两个部分，其中一部分保留不变，另外一部分输入连续4个3×3通道压缩为14的卷积中获取丰富感受野信息，每次卷积后都保留特征，然后在通道层堆叠成完整特征，最后将保留特征和丰富感受野特征通过元素相加融合； S3：将融合后的特征和P3通过通道层面堆叠实现残差连接，再将残差特征输入YOLOv8检测器提出的C2f模块中优化特征信息； S4：将S3过程最终获得的特征输入区域特征提取模块中，区域特征提取模块分为三个步骤，首先计算所有区域并获取候选框，其次利用候选框从图像特征中提取区域特征，最后根据每个区域特征提取综合特征；结合图像分块中滑动窗口算法，将对原始图像分块的候选框映射到特征层面上，并利用ROI-Align算法提取不同候选区域的特征B*N,C,h,w,其中B是图像批次，C是通道特征，N是对应的候选区域，h和w表示该候选区域的特征尺度；获取到特征后需要提取每个候选区域的综合特征，为此提出三分支特征池化模块，该模块包含最大池化，平均池化、自适应池化三种特征提取方法，最后聚合三种池化特征B,3*C,N,1； S5：将聚合后的特征输入分类头中，获得对每个区域的判断结果，并根据损失函数设置相对应的阈值； S6：根据自适应区域筛选模型的预测结果对原始图像进行筛选，仅保留高于阈值的预测结果所对应的图像块； S7：保留筛选出的图像块信息，并将图像块输入基于图像分割技术辅助交通标志检测主干网络中提取交通标志相关的有效信息； S8：将主干网络提取的多尺度特征输入多尺度分割图提取模块CAM模块中获取应对不同分辨率特征的多尺度分割图，作为空间注意力1+M*F强化特征； S9：将强化后的特征输入改进FPN+PAN特征融合模块中实现多尺度特征融合； S10：将融合后的多尺度特征分别输入对应的特征细化模块Tex模块中实现特征细化，再输入检测器中获得检测结果； S11：收集每个图像块的检测结果，利用保留的图像块信息，将检测结果映射至原始图像中，并利用非极大抑制算法NMS消除冗余检测结果。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。