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！

龙图腾网恭喜东华大学申请的专利一种基于像素级强化特征多尺度融合的微小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：CN114693991B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210242496.8，技术领域涉及：G06V10/774；该发明授权一种基于像素级强化特征多尺度融合的微小目标检测方法是由汪俊亮;成明阳;周亚勤;张洁;朱子洵;郑小虎;徐楚桥;吕佑龙;张朋设计研发完成，并于2022-03-11向国家知识产权局提交的专利申请。

本一种基于像素级强化特征多尺度融合的微小目标检测方法在说明书摘要公布了：本发明提出了一种基于像素级强化特征多尺度融合的微小目标检测方法，该方法首先对原始输入图像进行每个像素点的标注和整张图像的标注，随后对原始输入图像进行特征提取和增强，通过抽取和融合多尺度特征层并对融合后的各特征层进行权重分配，最终得到微小目标的类别。本发明能够较好地满足微小目标检测任务，且高效准确，提高了微小目标检测的精准度与效率，具有很高的应用价值和经济效益，通过实际验证证明了此方法能够较好地应用到物体表面的微小目标检测任务中。

本发明授权一种基于像素级强化特征多尺度融合的微小目标检测方法在权利要求书中公布了：1.一种基于像素级强化特征多尺度融合的微小目标检测方法，其特征在于，包括以下步骤：步骤1：建立并训练微小目标检测网络模型，该微小目标检测网络模型包含第一阶段网络模型和第二阶段网络模型，其中，第一阶段网络模型为视觉目标引导的特征强化模型，通过目标与每个像素点的映射关系，对微小目标的细节特征进行像素级强化；第二阶段网络模型导出并融合第一阶段网络模型中的多尺度特征层，设计特征权重分配模块，对融合后的多尺度特征层进行权重分配，作为目标分类网络的输入数据，最终得到微小目标的类别，则对微小目标检测网络模型进行训练包括以下步骤：步骤101：由微小目标检测装置采集得到一定数量的训练图像数据，对第一阶段网络模型所使用的训练图像数据以及第二阶段网络模型所使用的训练图像数据进行标注，从而得到训练图像数据集，其中：对第一阶段网络模型所使用的训练图像数据进行标注时采用以下方式：使用像素级的标注方法，对训练图像中每个像素点进行标注；当共有N类微小目标时，每个像素点根据其属于某个目标而被标注为N+1种标签中对应的标签值，其中，1种标签值代表当前像素点属于图像背景，剩余N种标签值分别代表当前像素点属于微小目标的类型；第二阶段网络模型所使用的训练图像数据进行标注时采用以下方式：依据每个训练图像是否包含微小目标以及所包含的微小目标所属类型，对每个训练图像标注对应的标签值；当共有N类微小目标时，每个训练图像根据其属于某个目标而被标注为N+1种标签中对应的标签值，其中，1种标签值代表当前训练图像未包含微小目标，剩余N种标签值分别代表当前训练图像所包含的微小目标的类型；步骤102：将步骤101得到的用于训练第一阶段网络模型的训练图像数据集送入到第一阶段网络模型中，通过第一阶段网络模型的正向传播和反向传播进行训练，从而建立图像中每个像素正确的映射关系；步骤103：通过不断地迭代和优化，当第一阶段网络模型的损失值小于指定阈值时，停止第一阶段网络模型的训练，转入第二阶段网络模型的训练；步骤104：将步骤101得到的用于训练第二阶段网络模型的训练图像数据集送入到训练好的第一阶段网络模型中，抽取和融合第一阶段网络模型中的多尺度特征，并由权重分配网络对融合后的特征进行权重分配；由第二阶段网络模型计算得到的损失值进行反向传播，从而优化第二阶段网络模型参数变量；步骤105：通过不断地迭代和优化第二阶段网络模型参数，当第二阶段网络模型完成指定的训练次数时，停止第二阶段网络模型的训练，此时完成了整个微小目标检测网络模型的训练，最后保存完整的微小目标检测网络模型；步骤2：将待检测的微小目标图像数据送入到训练好的微小目标检测网络模型中，最终得到微小目标的类别。

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东华大学，其通讯地址为：201600 上海市松江区人民北路2999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”。