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！

龙图腾网获悉长安大学;山东通维信息工程有限公司申请的专利基于Transformer-Yolo的交通场景感兴趣多目标识别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：CN120411894B 。

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：202510378605.2，技术领域涉及：G06V20/54；该发明授权基于Transformer-Yolo的交通场景感兴趣多目标识别方法是由马亚栋;程鑫;周洲;周经美;郭庆雷;张立成;郝茹茹;尚旭明;王润民设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本基于Transformer-Yolo的交通场景感兴趣多目标识别方法在说明书摘要公布了：本发明公开了一种基于Transformer‑Yolo的交通场景感兴趣多目标检测识别方法：步骤1，建立交通场景图像集；步骤2，得到交通场景下感兴趣多目标识别数据集；步骤3，建立骨干网络模型，添加基于Cf2的改进的DfDC模块；步骤4，建立颈部网络模型，添加改进的注意力机制VSST模块；步骤5，建立基于Transformer‑Yolo的检测网络模型；步骤6，读取数据集使用迁移学习进行网络模型训练；步骤7，对测试集进行检测识别；步骤8，将待识别的交通场景图像输入到训练完成的网络模型中，输出识别结果。本发明中的网络更适应对特征复杂多样的多目标的形状变化，能够解决在不同交通场景下的对特定感兴趣目标的进行精确识别与预警，最大限度地降低道路安全问题。

本发明授权基于Transformer-Yolo的交通场景感兴趣多目标识别方法在权利要求书中公布了：1.一种基于Transformer-Yolo的交通场景感兴趣多目标检测识别方法，其特征在于，具体包括如下步骤： 步骤1，收集交通场景图像数据，建立包含多种交通目标类别的交通场景图像集，所述交通目标类别包含普通交通目标和感兴趣的交通目标； 步骤2，将获取的交通场景数据图像集进行筛选，对所筛选的图像中的普通交通目标、感兴趣的交通目标进行分类别标注，得到交通场景下感兴趣多目标识别数据集，将其划分为训练集、验证集和测试集； 步骤3，建立基于Transformer-Yolo的骨干网络模型，添加基于Cf2的改进的DfDC模块；包括如下子步骤： 步骤3.1，构造CfDC模块：CfDC模块的上一层卷积模块输出的特征图大小为1024×20×20，特征图进入CfDC模块后，首先进入一个1×1的Conv块，输出的特征图大小维度不变，为1024×20×20，再经过一个Chunk块，这个模块将特征图分为两部分，第一个部分和第二部分都为512×20×20；可变形卷积DCNv2接受512×20×20特征输入后，经过3个1×1变形卷积层、3个3×3标准卷积层以及偏移预测层后输出特征维度依然为512×20×20的特征图，紧接进入到Concat模块，即拼接模块，接受来自Chunk操作的两个512×20×20的特征输出以及n个可变形卷积DCNv2的n×512×20×20特征输出；最后，经过1×1的Conv块，输出维度为大小1024×20×20特征图； 步骤3.2，将提出的CfDC模块替换骨干网络中的最后一个Cf2； 步骤4，建立基于Transformer-Yolo的颈部网络模型，添加基于SwinTransformer的改进的注意力机制VSST模块；将改进的注意力机制VSST模块替换颈部网络中进行下采样的2个Cf2模块； 步骤5，建立基于Transformer-Yolo的检测网络模型，损失函数使用FocalSIoU； 步骤6，读取步骤2得到的交通场景下感兴趣多目标识别数据集，使用迁移学习进行网络模型的全面训练，得到训练完成的网络模型； 步骤7，对使用迁移学习训练所得到的权重对测试集进行检测识别，完成对网络模型的性能评估； 步骤8，将待识别的交通场景图像输入到训练完成的网络模型中，通过模型对图像中的感兴趣多目标进行检测识别，输出识别结果，包括目标类别、位置边界框、置信度。

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长安大学;山东通维信息工程有限公司，其通讯地址为：710064 陕西省西安市雁塔区二环南路中段126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。