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！

龙图腾网获悉中南民族大学申请的专利用于人群计数的多维动态感知和渐进式聚焦网络模型的构建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：CN120976848B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511035742.2，技术领域涉及：G06V20/52；该发明授权用于人群计数的多维动态感知和渐进式聚焦网络模型的构建方法是由刘李漫;王贺;张钟;张天成设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本用于人群计数的多维动态感知和渐进式聚焦网络模型的构建方法在说明书摘要公布了：本申请提出了一种用于人群计数的多维动态感知和渐进式聚焦网络模型的构建方法，涉及计算机视觉技术领域，包括：前端子网络，用于对预处理后的输入图像进行浅层图像特征提取，获得图像浅层特征；主体子网络，用于基于图像浅层特征实现多分支特征交互，生成深层特征和跨层特征，对深层特征和跨层特征进行交叉注意力处理和多尺度特征融合，对融合后的特征进行跨维度的注意力建模，并经层归一化输出深度特征；后端子网络，用于对深度特征进行高维特征构建与空间分辨率调整获得中间特征，对中间特征进行特征优化，并进行注意力融合与密度解码，输出密度图和目标注意力图。通过上述网络模型可以实现广域场景的人群计数。

本发明授权用于人群计数的多维动态感知和渐进式聚焦网络模型的构建方法在权利要求书中公布了：1.一种用于人群计数的多维动态感知和渐进式聚焦网络模型的构建方法，其特征在于，所述用于人群计数的多维动态感知和渐进式聚焦网络模型包括：前端子网络、主体子网络和后端子网络； 所述前端子网络包括：预处理模块和特征提取模块，所述预处理模块用于对输入图像进行预处理，所述特征提取模块用于对预处理后的输入图像进行浅层图像特征提取，获得图像浅层特征； 所述主体子网络包括：Inception网络模块、注意力耦合模块和异构注意力协同器，所述Inception网络模块用于基于所述图像浅层特征实现多分支特征交互，生成深层特征和跨层特征；所述注意力耦合模块用于对所述深层特征和所述跨层特征进行交叉注意力处理和多尺度特征融合，所述异构注意力协同器用于对融合后的特征进行跨维度的注意力建模，并经层归一化实施跨通道分布校准，输出深度特征；其中，所述注意力耦合模块包括特征拼接子模块、注意力计算子模块和优化子模块；所述特征拼接子模块用于将所述深层特征与所述跨层特征沿通道维度进行拼接，生成拼接特征，随后通过预处理卷积组进行特征压缩输出压缩特征；所述注意力计算子模块用于将所述压缩特征重塑为预设格式后输入多头混合卷积注意力层，并通过多头混合卷积注意力层的四组动态核尺寸的深度卷积分支对输入特征进行处理，四组特征经通道重组后，与线性投影后的值向量实施逐元素乘积，生成第一融合特征；所述优化子模块用于通过多分支空洞卷积金字塔对所述第一融合特征进行处理，四路输出经通道拼接后通过1×1卷积进行跨尺度融合，生成第二融合特征；其中，所述多分支空洞卷积金字塔的第一路分支部署平均池化、1×1卷积和上采样建模全局语义；第二路分支使用1×1卷积保留原始特征作为恒等映射；第三路分支采用膨胀率2的3×3空洞卷积提取中等感受野特征；第四路分支使用膨胀率4的3×3空洞卷积捕获大范围上下文； 所述后端子网络包括：调整模块、优化模块和解码模块，所述调整模块用于对所述深度特征进行高维特征构建与空间分辨率调整获得中间特征，所述优化模块用于对所述中间特征进行特征优化获得初始注意力图和优化特征，所述解码模块用于基于所述优化特征和所述初始注意力图进行注意力融合与密度解码，输出密度图和目标注意力图。

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中南民族大学，其通讯地址为：430000 湖北省武汉市洪山区民族大道708号、823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。