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！

龙图腾网获悉石家庄铁道大学申请的专利基于空间细节感知增强与跨层语义融合的无人机航拍图像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：CN121170524B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511341515.2，技术领域涉及：G06V10/82；该发明授权基于空间细节感知增强与跨层语义融合的无人机航拍图像目标检测方法是由张云佐;王凯;李嘉诚;赵辉;王辉设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本基于空间细节感知增强与跨层语义融合的无人机航拍图像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空间细节感知增强与跨层语义融合的无人机航拍图像目标检测方法，所述方法包括：对输入的无人机图像或视频帧进行预处理；通过预设的轻量多尺度特征提取网络对输入图像进行多尺度特征提取；通过预设的局部特征信息增强模块对多尺度特征进行局部信息增强，获得增强特征；通过预设的多尺度特征聚合网络对增强的多尺度特征进行多尺度语义信息融合，获得融合特征；通过预设的空间细节感知增强模块对融合特征进行空间细节增强；将增强空间细节后的特征输入到预设的三组检测头中，得到检测结果。所述方法有效提高了模型对无人机航拍图像不同尺度目标的感知能力，提升了小目标的检测精度。

本发明授权基于空间细节感知增强与跨层语义融合的无人机航拍图像目标检测方法在权利要求书中公布了：1.一种基于空间细节感知增强与跨层语义融合的无人机航拍图像目标检测方法，其特征在于，所述方法包括以下步骤： 步骤1：数据采集与预处理，获取无人机航拍图像数据集，并对其进行预处理； 步骤2：构建目标检测模型； 在特征提取阶段，通过预设的多尺度特征提取网络，由高层至底层提取了四组不同尺度的特征图Ai，分别为底层特征图A1、中层特征图A2、高层特征图A3和深层特征图A4，底层特征图A1、中层特征图A2和高层特征图A3分别通过预设的局部特征信息增强模块进行局部特征信息增强；所述局部特征信息增强模块包含标准卷积路径与多尺度空洞卷积路径的并行多分支结构，通过残差连接方式融合不同感受野下的局部信息，并增强小目标边缘结构与上下文信息的表达能力，分别生成局部特征增强后的底层特征图B1，中层特征图B2和高层特征图B3； 在特征融合阶段，通过预设的多尺度特征融合网络获得三组融合特征图Ci；将三组经局部增强后的特征图Bi与深层特征图A4作为输入，创新性地构建三组自底向上的上采样路径与两组横向特征传递路径进行多尺度特征融合；通过预设的轻量级双向注意力特征聚合模块代替传统的上采样与拼接结构，以增强融合特征的表示能力；通过预设的空间细节感知增强模块，以增强模型对特征图中空间位置和边缘纹理的关注能力，更精确的感知小目标；所述轻量级双向注意力特征聚合模块，由注意力机制与构建的两特征输入双向特征融合网络组成；所述空间细节感知增强模块，是一个由深度可分离卷积、空洞卷积、组卷积、可变形卷积和注意力机制组成三分支异构结构，融合特征图经由此模块进行空间细节感知增强后获得三组空间细节增强的特征图Di； 所述的轻量级双向注意力特征聚合模块，包括多尺度特征输入分支、跨尺度双向特征聚合路径及嵌入其中的SimAM注意力增强单元；多尺度特征输入分支包含至少两条并行的初始特征流通道，各输入特征图通过依次串联的特征处理节点完成特征初步提取与变换；跨尺度双向特征聚合路径通过特征处理节点间的双向连接关系，构建跨尺度特征的分层聚合与信息互补机制，实现浅层细节特征与深层语义特征的双向流通优化；SimAM注意力部署于特征处理节点的输出端及跨尺度特征传递路径中，凭借其空间细节感知的能力，对特征图进行自适应加权调制，突出目标关键空间细节信息、抑制背景冗余特征，驱动多尺度特征在双向聚合流程中高效融合，强化特征表征对无人机航拍场景中目标的判别能力； 在预测阶段，设置为14、18和116的三组检测头分别接收三组空间细节增强的特征图Di；构建损失函数，以更好的应对小目标尺度小和密集的特点； 步骤3：使用预处理完毕的无人机航拍图像数据集进行模型训练，使用训练完毕的最优模型在测试集进行测试，得到测试结果。

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石家庄铁道大学，其通讯地址为：050043 河北省石家庄市长安区北二环东路17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。