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！

龙图腾网获悉南京邮电大学申请的专利一种基于卷积神经网络的密集小型人脸检测方法及系统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：CN117152816B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202311124626.9，技术领域涉及：G06V40/16；该发明授权一种基于卷积神经网络的密集小型人脸检测方法及系统是由李博洋;葛琦;王耀庆;王科设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的密集小型人脸检测方法及系统在说明书摘要公布了：本发明公开了一种基于卷积神经网络的密集小型人脸检测方法，包括采集图片数据集并标注人脸数据，对图片数据集进行预处理，增加图片中小型人脸的数量；对网络结构进行设计，具体为以MobilenetV3为基础，引入Ghost卷积和LeakyRelu激活函数对骨干网络进行改进；将SPP模块、FPN和PAN结合以加强特征提取网络；采用SSH模块，从全局观察特征，进行上下文特征的融合；输出有效特征层；根据有效特征层获取预测结果，训练网络最终实现对人脸的有效检测；预测结果包括分类预测结果、框的回归预测结果和人脸关键点的回归预测结果。本发明在人脸检测方面表现出很大地灵活性，尤其针对人脸遮挡严重和密集小型人脸的检测场景，同时对复杂场景下的检测也有良好的效果。

本发明授权一种基于卷积神经网络的密集小型人脸检测方法及系统在权利要求书中公布了：1.一种基于卷积神经网络的密集小型人脸检测方法，其特征在于：包括， 采集图片数据集并标注人脸数据，对图片数据集进行预处理，增加图片中小型人脸的数量； 对网络结构进行设计，具体为以MobilenetV3为基础，引入Ghost卷积和LeakyRelu激活函数对骨干网络进行改进；将SPP模块、FPN和PAN结合以加强第一层特征提取网络；对于第二层特征提取网络，采用SSH模块，从全局观察特征，进行上下文特征的融合；输出有效特征层； 根据所述有效特征层获取预测结果，训练网络最终实现对人脸的有效检测；所述预测结果包括分类预测结果、框的回归预测结果和人脸关键点的回归预测结果； 所述MobilenetV3的核心是bneck模块，所述bneck模块包括1*1卷积模块、深度可分离卷积模块和深度可分离中加入的通道注意力机制模块； 所述引入Ghost卷积和LeakyRelu激活函数对骨干网络进行改进包括将原本的bneck结构中头部的1*1卷积和深度可分离模块中的1*1卷积，也即尾部，变为Ghost卷积； 将原本深度可分离卷积模块中的Relu激活改进为LeakyRelu激活函数； 所述将SPP模块、FPN和PAN结合以加强特征提取网络包括在FPN进行之前，添加一个SPP模块，头尾是两个3*3卷积，中间分别的5*5、9*9和13*13的三种最大池化的特征通道数量的融合； 所述采用SSH模块，从全局观察特征，进行上下文特征的融合；输出有效特征层包括， 添加SSH模块，进行上下文的融合，具体为在SSH输出模块的后面添加一个LeakyRelu激活函数，以有效降低特征提取过程中的信息丢失，最后再添加一个可变形卷积模块—DCNV1，进一步精细化特征提取； 所述输出有效特征层包括如下步骤： 通过SSH模块获得三个有效特征层，每个特征层都会获得三个预测结果，这三个有效特征层相当于将整幅图像划分成不同大小的网格，当输入进来的图像是640,640,3时，得到的输出图片分别为80,80,64，40,40,64，20,20,64，以20,20,64为例，相当于将原图像划分成20x20的网格，每个网格上有两个先验框，每个先验框代表图片上的一定区域； 所述预测结果包括人脸分类预测结果，框的回归预测结果和人脸关键点预测结果；所述预测结果用来判断先验框内部是否包含人脸，并且对包含人脸的先验框进行调整获得预测框与人脸关键点。

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京邮电大学，其通讯地址为：210003 江苏省南京市新模范马路66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。