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！

龙图腾网获悉重庆理工大学申请的专利基于多尺度特征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：CN116071668B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211067311.0，技术领域涉及：G06V20/17；该发明授权基于多尺度特征融合的无人机航拍图像目标检测方法是由黄同愿;朱金江;谭禹设计研发完成，并于2022-09-01向国家知识产权局提交的专利申请。

本基于多尺度特征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多尺度特征融合的无人机航拍图像目标检测方法。包括以下步骤。首先，在骨干网络和颈部网络使用h‑swish激活函数，增加模型的表现能力；其次，在骨干网络瓶颈层加入注意力机制CoordAttention，从而增加有效信息的权重并抑制背景噪声干扰；最后，通过去除路径聚合网络PANet的冗余节点和添加额外的连接，并使用BlurPool取代下采样方式，提出了一种特征金字塔网络Blur‑PANet来有效地融合多层特征。本文在VisDrone公开数据集对提出的网络进行训练，并进行了在线验证。实验结果表明，改进的YOLOV4网络能够有效地提高无人机航拍图像的检测精度。

本发明授权基于多尺度特征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.基于多尺度特征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： 步骤1：数据获取与数据预处理； 步骤2：构建基于注意力机制和多尺度特征融合的改进YOLOV4模型； 步骤3：替换更合适的h-swish激活函数，然后在VisDrone训练集上对搭建好的改进YOLOV4模型进行训练，同时保存最优模型以进行预测； 步骤4：将VisDrone验证集输入训练好的最优模型中进行预测，保存预测结果，获取评价指标，最后进行结果对比； 所述改进YOLOV4模型包括：在骨干网络瓶颈层加入注意力机制，使模型更关注位置信息，从而增加模型特征的表达能力，并抑制背景噪声的干扰； 所述改进YOLOV4模型还包括：构建特征金字塔网络，通过去除网络两端的冗余节点来简化PANet，为P4-P4'，为了加强多层特征的融合，从原始特征节点到输出节点的额外边被添加为P6-P5'和P6-P3'，并且为了减少下采样过程中特征的丢失，使用BlurPool取代下采样方式，从而有效地融合多层特征。

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理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。