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！

龙图腾网恭喜重庆大学申请的专利一种基于层内-层间融合的小目标检测方法及相关产品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：CN118097212B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202311559706.7，技术领域涉及：G06V10/764；该发明授权一种基于层内-层间融合的小目标检测方法及相关产品是由周明亮;宋婧楠;罗均;蒲华燕;冯永;向涛;房斌;尚赵伟;魏雪凯;闫洁露;咸伟志设计研发完成，并于2023-11-22向国家知识产权局提交的专利申请。

本一种基于层内-层间融合的小目标检测方法及相关产品在说明书摘要公布了：本发明公开了一种基于层内‑层间融合的小目标检测方法及相关产品，属于图像处理技术领域。其方法包括，多种小目标的自然图像，对所述自然图像中的小目标进行类别和位置标记，构建小目标数据集；构建目标检测网络模型对小目标数据进行特征提取，获取多组多尺度特征图；采用基于层内‑层间融合的特征融合方法，对提取出的多尺度特征图进行融合，得到层内‑层间融合特征图；利用增强后的层内‑层间融合特征图进行预测并对预存结构进行评估得到训练好的目标检测网络模型并对待检测图像进行目标预测。本发明不仅能解决传统层间融合方法无法学习小目标精细的局部表示的问题，还能改善基于IoU的度量方法所出现的检测小目标位置不稳定的情况。

本发明授权一种基于层内-层间融合的小目标检测方法及相关产品在权利要求书中公布了：1.一种基于层内-层间融合的小目标检测方法，其特征在于，包括如下步骤：目标检测网络模型训练步骤，包括：步骤1：获取包括多种小目标的自然图像，对所述自然图像中的小目标进行类别和位置标记，构建小目标数据集；步骤2：构建目标检测网络模型，所述目标检测网络模型包括依次连接的主干特征提取网络、层内-层间融合模块和预测模块；步骤3：将小目标数据集输入主干特征提取网络中进行特征提取，获取多组多尺度特征图；步骤4：将获取的每一组多尺度特征图输入层内-层间融合模块，进行层内特征融合，得到对应的层内融合特征图；步骤4中，进行层内特征融合，具体包括以下步骤：步骤41：将获取的每一组多尺度特征图Ti，i＝1,2,3,4按照通道数均分成四个分支fi1、fi2、fi3、fi4；步骤42：第一个分支fi1执行1×1卷积降维和3×3卷积处理，得到第一个分支fi1的输出步骤43：第二个分支fi2经过1×1卷积降维后与第一个分支fi1的输出进行拼接，然后进行3×3卷积处理，得到中间融合特征再次执行3×3卷积，得到第二个分支fi2的输出步骤44：第三个分支fi3经过1×1卷积降维后与第二个分支fi2中的中间融合特征进行拼接，然后进行3×3卷积处理，得到中间融合特征中间融合特征与第二个分支fi2的输出进行拼接，再次执行3×3卷积，得到中间融合特征再次执行3×3卷积，得到第三个分支fi3的输出步骤45：第四个分支fi4经过1×1卷积降维后与第三个分支fi3的中间融合特征进行拼接，然后进行3×3卷积处理，得到中间融合特征中间融合特征与第三个分支fi3中的中间融合特征进行拼接，然后进行3×3卷积处理，得到中间融合特征中间融合特征与第三个分支fi3的输出进行拼接，再次执行3×3卷积，得到中间融合特征再次执行3×3卷积，得到第四个分支fi4的输出步骤46：将四个分支的输出特征拼接，执行1×1卷积，得到多尺度特征图Ti对应的层内融合特征图Zi，i＝1,2,3,4；步骤5：将所述层内融合特征图按照层级高低自顶向下进行层间特征融合，生成层内-层间融合特征图；步骤6：将生成的所述层内-层间融合特征图输入预测模块，获得自然图像对应的目标中心点预测热图、目标尺寸预测图和目标中心点偏移量预测图，并得到预测结果；步骤7：通过损失函数对得到的预测结果进行评估，并对所述主干特征提取网络和层内-层间特征融合模块进行训练，得到训练好的目标检测模型；小目标检测步骤，包括：将待检测图像的尺寸大小统一为预设尺寸，输入训练好的目标检测模型，获得待检测图像图像中小目标的位置及类别信息。

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大学，其通讯地址为：400030 重庆市沙坪坝区正街174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”。