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！

龙图腾网获悉西北工业大学申请的专利基于局部和全局感知的改进YOLO11n水下目标识别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：CN121353874B 。

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：202511913365.8，技术领域涉及：G06V10/82；该发明授权基于局部和全局感知的改进YOLO11n水下目标识别检测方法是由杜鹏;陈自均;陈学知;罗沛然;邹宇飞;程路;李卓越;杜壮壮设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本基于局部和全局感知的改进YOLO11n水下目标识别检测方法在说明书摘要公布了：本发明涉及基于局部和全局感知的改进YOLO11n水下目标识别检测方法，属于水下智能识别领域；本发明通过构建局部瓶颈模块提取局部细粒度特征，引入多尺度大卷积核模块扩展感受野，并结合多分支通道注意力、空间与通道组合分组注意力及跨维度特征融合模块，自适应增强有效特征并抑制环境噪声干扰。进一步构建局部‑全局瓶颈模块，通过级联结构实现局部细节与全局语义协同建模。将原YOLO11n的Bottleneck模块替换为该模块，形成改进模型。经训练后，在DUO、RUOD等水下数据集上具有更高的检测精度和鲁棒性，适用于复杂水下环境下的实时目标识别任务。本发明解决了水下图像存在的色彩失真、对比度低、细节模糊和多尺度目标特征提取困难的问题，实现高精度与实时性平衡检测。

本发明授权基于局部和全局感知的改进YOLO11n水下目标识别检测方法在权利要求书中公布了：1.一种基于局部和全局感知的改进YOLO11n水下目标识别检测方法，其特征在于，包括以下步骤： 步骤1.数据集获取与预处理：获取水下目标图像数据集，对所有图像进行像素尺寸标准化处理，将数据集划分为训练集和测试集，为模型训练与性能测试提供标准化数据； 步骤2.改进YOLO11n模型构建： 步骤2.1.构建局部瓶颈模块LB，通过小感受野卷积、批归一化、激活函数组合及残差跳跃连接，提取水下图像的局部细粒度特征，抑制背景噪声与光照差异引起的特征不稳定；所述局部细粒度特征包括纹理、轮廓与边缘信息； 步骤2.2.构建多尺度大卷积核模块MSLKC，采用通道划分、多尺度并行分组大卷积核及跨通道信息交互结构，扩展感受野，同时捕获局部精细信息与全局上下文信息，适应水下多尺度目标检测； 步骤2.3.构建多分支通道注意力模块MBCA，通过分支内平均池化、线性变换与激活函数计算通道注意力权重，动态增强有用特征通道并抑制背景噪声通道，适应水下光谱衰减引起的通道响应差异； 步骤2.4.构建空间与通道组合分组注意力模块SCCG，引入空间与通道独立门控映射机制，分别强化目标位置响应与优化光谱通道信息，缓解水下特征融合冲突； 步骤2.5.构建跨维度特征融合模块CDFF，将空间调制特征与通道调制特征拼接后，经轻量化卷积、批归一化及激活函数处理，实现空间与光谱信息的深度整合，消除信息冗余与割裂； 步骤2.6.构建全局瓶颈模块GB，以多尺度大卷积核模块MSLKC为核心，嵌入多分支通道注意力模块MBCA、空间与通道组合分组注意力模块SCCG及跨维度特征融合模块CDFF，通过多维度注意力信息联合优化，输出兼具全局语义一致性与局部细节判别性的特征； 步骤2.7.构建局部-全局瓶颈模块LGB，将局部瓶颈模块LB与全局瓶颈模块GB级联，先提取局部细粒度特征，再整合全局上下文信息，实现局部细节与全局语义的协同建模； 步骤2.8.将原YOLO11n网络中的Bottleneck模块替换为局部-全局瓶颈模块LGB，得到改进的YOLO11n模型； 步骤3.模型训练与最优权重选择：基于训练集对改进YOLO11n模型进行训练与验证，通过多轮次训练与验证，以平均精度为指标筛选最优模型权重； 步骤4.目标检测：将最优模型权重加载至改进YOLO11n模型，输入测试集中的待检测图像进行推理，对检测结果进行后处理，输出带有目标标注的可视化检测结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。