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！

龙图腾网获悉重庆邮电大学申请的专利一种基于图像的小目标实时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：CN116310595B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310471440.4，技术领域涉及：G06V10/764；该发明授权一种基于图像的小目标实时识别方法是由吕翊;黄凤仪;张普宁;杨志刚;吴大鹏;王汝言设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本一种基于图像的小目标实时识别方法在说明书摘要公布了：本发明涉及一种基于图像的小目标实时识别方法，属于检测技术领域。该方法包括：收集产品生产线上瑕疵图像样本，制作训练所需要的数据集；搭建产品瑕疵检测模型，基于数据集对该检测模型进行训练，将待检测图像输入训练模型进行检测分析，对检测结果进行统计分析与后处理。所述目标检测模型包括主干网络、多尺度合并模块、多维度注意力模块。本发明利用多尺度合并模块，提高特征金字塔的特征融合能力，增强金字塔中信息聚合；利用多维度注意力模块，提高模型对重要信息的提取能力，最终提高对产品小目标瑕疵识别的正确率和效率。

本发明授权一种基于图像的小目标实时识别方法在权利要求书中公布了：1.一种基于图像的小目标实时识别方法，其特征在于：该方法包括以下步骤： S1：收集产品瑕疵数据照片，制作网络模型所需的数据集，并划分训练集和测试集； S2：将图像数据输入深度卷积神经网络，通过主干网进行特征提取，得到五级特征；所述S2具体包括以下步骤： S21：输入的图像经过主干网进行特征提取，经过多个模块卷积计算；包括第一阶段三个卷积层，第二阶段一个卷积层和多连接模块，第三、四和五阶段的过渡模块和多连接模块，以及具有CSP结构的SPPCSPC模块； S22：第一阶段的第二个和第三个卷积层，第二阶段、第三阶段和第五阶段输出的特征映射图构建五级特征金字塔； S23：第四阶段和SPPCSPC模块输出的特征映射图直接传输到头部网络； S3：利用多尺度合并模块将五级特征融合为高类别、中类别和低类别三级特征；所述S3具体包括以下步骤： S31：五级特征金字塔传输到多尺度合并模块，相邻特征融合形成多尺度合并节点，节点呈V形分布； S32：利用双线性插值法进行上采样，利用Focus下采样方法进行通道和空间的信息交互，和被重塑为与相同的尺度大小，三个相邻特征、、分别进行自上而下和自下而上融合，其中l表示网络层序数，； S33：在多尺度合并节点进行特征融合后，传输到瓶颈层，多个跨尺度融合节点将特征聚合为低、中、高三类特征映射； S4：将具有不同特性的三级特征输入多维度注意力模块捕获通道和空间维度特征关系，在头部网络将三级特征融合为一级特征，以增强和校准输入信息；所述S4具体包括以下步骤： S41：高类别特征H用于加强通道维度的信息，与输入数据串联，使得通道数相同，采用全局平均池化和全局标准差池化操作收集全局信通道特征息； S42：通过全连接层计算生成通道权重向量m，使用sigmoid操作后的参数表示为： 其中是连接了高类别特征和输入数据的特征，；表示激活函数，计算第个位置的通道注意力特征图表示为： 其中在不同池化操作时具有不同的表示，代表第个信道的信息； 将权重参数和输入数据相乘，通道数与输入数据保持一致，得到最终输出CR： ； S43：中类别特征M具丰富的语义信息，CR特征与中类别特征拼接，采用最大池化和平均池化操作获得空间信息特征； S44：通过sigmoid激活函数获取空间权重向量，利用训练参数加权特征，按照元素对加权的中类别特征和加权的通道特征进行求和，表示为： S45：对具有准确结构信息的低类别特征L进行卷积操作，生成通道数为1的向量，其中高度和宽度不变； S46：通过sigmoid激活函数获得当前层级的偏差特征，与上一分支特征相加以获得最终的一级特征： S47：经过头部网络的多维度注意力模块将特征聚合为一级特征，同时第四阶段网络层的特征和SPPCSPC模块的特征也传输到头部网络，作为三层加强特征； S5：在头部网络对加强特征和其余网络层特征进行卷积计算，传入探测头获得检测框和物体类别信息，根据瑕疵检测结果进行分类。

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邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。