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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于改进Scaled-YOLOv4的伪装人员目标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：CN114694042B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210256543.4，技术领域涉及：G06V20/17；该发明授权一种基于改进Scaled-YOLOv4的伪装人员目标检测方法是由许彬;王从庆;刘杨设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本一种基于改进Scaled-YOLOv4的伪装人员目标检测方法在说明书摘要公布了：本发明公开了一种基于改进Scaled‑YOLOv4的伪装人员目标检测方法，对预先获取的伪装人员活动图像进行预处理，并划分为训练集和测试集；构建包括骨干网络、路径聚合网络和检测头的扩展跨阶段网络Scaled‑YOLOv4模型；在Scaled‑YOLOv4模型中设计一个包括两个感受野区块和两个有效通道注意力模块的自上而下路径特征增强网络结构以代替原路径聚合网络，形成改进的Scaled‑YOLOv4模型；基于改进的Scaled‑YOLOv4模型，进行伪装人员的目标检测。本发明提出的网络结构的优化可以增强伪装目标的特征图，得到伪装目标在原始图像中的位置信息，以降低网络的漏检率和误检率；且网络结构稳定，实用性强等特点，进一步提升了对树林中伪装目标图像中多尺度目标的检测精度。

本发明授权一种基于改进Scaled-YOLOv4的伪装人员目标检测方法在权利要求书中公布了：1.一种基于改进Scaled-YOLOv4的伪装人员目标检测方法，其特征在于，包括以下步骤：1对预先获取的伪装人员活动图像进行预处理，并划分为训练集和测试集；2构建包括骨干网络、路径聚合网络和检测头的扩展跨阶段网络Scaled-YOLOv4模型；3在Scaled-YOLOv4模型中设计一个包括两个感受野区块和两个有效通道注意力模块的自上而下路径特征增强网络结构以代替原路径聚合网络，形成改进的Scaled-YOLOv4模型；所述感受野区块获得更加丰富的目标特征信息；所述有效通道注意力模块通过对不同特征计算不同的权重提高对目标特征信息的关注；4基于改进的Scaled-YOLOv4模型，进行伪装人员的目标检测；步骤3所述的自上而下路径特征增强网络结构包括：第一个特征层进过一个下采样模块和第二个特征层进行通道间级联融合，得到4倍下采样后新的输出特征层P4_1；P4_1特征层经过一个全新设计的感受野区块、有效通道注意力模块和一个下采样模块后与第三个特征层进行通道间级联融合，得到8倍下采样后新的输出特征层P8_1；P8_1特征层经过一个全新设计的感受野区块和一个下采样模块后与第四个特征层进行通道级联融合，得到16倍下采样后新的输出特征层P16_1；P16_1特征层经过一个下采样模块后与第五个特征层进行通道级联融合，得到32倍下采样后新的输出特征层P32_1；P32_1特征层经过一个有效通道注意力模块和一个卷积模块后得到第一个检测头P32_3；P32_1特征层经过一个有效通道注意力模块后的P32_2特征层经过一个上采样模块与P16_1特征层进行通道级联，得到P16_2特征层，该特征层经过一个卷积模块后得到第二个检测头P16_3；P16_2特征层再经过一个上采样模块与P8_1特征层进行通道级联，得到P8_2特征层，该特征层经过一个卷积模块后得到第三个检测头P8_3；步骤3所述有效通道注意力模块通过对不同特征计算不同的权重过程如下：采取不降低维数的通道级全局平均池化；计算每个通道及其k个邻居来捕获局部跨通道交互信息，采用自适应方法确定k，计算各个通道不同的权重值；其k值计算过程如下所示：C＝φk＝22×k-1 其中，|x|odd是寻找离变量x最接近的奇数值；步骤3所述感受野区块结构如下：第一个分支由1×1卷积层和膨胀率为1的3×3卷积层构成；第二个分支由1×1卷积层、3×3卷积层和膨胀率为3的3×3卷积层构成；第三个分支由1×1卷积层、1×3卷积层、3×1卷积层和膨胀率为5的3×3卷积层构成；将上述三个分支拼接后紧接1个1×1卷积层，再与原特征输入层经过1个1×1卷积层后的输出进行通道特征级联。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。