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！

龙图腾网恭喜福州大学申请的专利一种基于改进HAT注意力机制的YOLOv7车辆识别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：CN117253204B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202311388030.X，技术领域涉及：G06V20/54；该发明授权一种基于改进HAT注意力机制的YOLOv7车辆识别方法是由柯逍;刘炜祺设计研发完成，并于2023-10-25向国家知识产权局提交的专利申请。

本一种基于改进HAT注意力机制的YOLOv7车辆识别方法在说明书摘要公布了：本发明涉及一种基于改进HAT注意力机制的YOLOv7车辆识别方法，首先通过线上监控数据集和线下城镇监控摄像头的方式获取车辆数据集，将得到的数据集使用AlignMix方法进行增强处理。然后利用Labelimg标注应用实现对数据的标注处理，实现数据的可利用性。接着将得到的数据集分别作为训练集和验证集，并使用添加HAT注意力机制的YOLOv7目标检测算法，对数据集进行多次训练建模，并将得到的权重文件进行验证效果。再使用RSLOSS损失函数计算损失函数值。最后按照指定训练参数进行迭代训练，根据验证准确率的方式不断保存最优模型，利用最终模型得到高精度的多类型车辆识别方法。

本发明授权一种基于改进HAT注意力机制的YOLOv7车辆识别方法在权利要求书中公布了：1.一种基于改进HAT注意力机制的YOLOv7车辆识别方法，其特征在于：包括以下步骤：步骤S1：通过线上的监控数据集和线下的城镇监控摄像头的方式获取车辆数据集，将得到的数据集使用AlignMix方法进行数据增强处理；步骤S2：将得到的数据集分别作为训练集和验证集，利用Labelimg标注应用实现对数据的标注处理，实现数据的可利用性；步骤S3：使用改进的HAT注意力机制的YOLOv7目标检测算法，对数据集进行多次训练建模；步骤S4：按照指定训练参数进行迭代训练，根据RSLoss损失函数计算损失函数值并验证准确率不断保存最优模型，利用最终模型得到多类型车辆识别方法；步骤S3具体包括以下步骤：步骤S31：YOLOv7目标检测算法在利用输入信息时只能使用有限的空间范围，因此我采用HybridAttentionTransformer注意力机制，结合通道注意力和基于窗口的自注意力机制，充分利用它们在利用全局统计信息和强大的局部拟合能力方面的互补优势，旨在通过结合深度学习技术和注意力机制来改进图像超分辨率任务SR；具体实现由两个方面组成；步骤S32：首先我们要解决剩余混合注意力组RHAG；每个RHAG包含M个混合注意力块HAB和一个3×3卷积层；具体来说，对于第RHAG_i个RHAG，表示为FRHAG_i-1,0＝FRHAG_i-1FRHAG_i-1,RHAG_j＝HHABFRHAG_i-1,RHAG_j,RHAGj＝1,2,…,M 其中FRHAG_i-1,0和FRHAG_i-1表示第RHAG_i个RHAG的输入特征，FRHAG_i表示第RHAG_i+1个RHAG的输入特征，HHABFRHAG_i-1,RHAG_j表示第RHAG_i个RHAG中第RHAG_j个HAB的输出特征，表示第RHAG_i个RHAG中第RHAG_i个卷积层的第M个输出特征；在一系列HAB的映射之后，插入一个OCAB来扩大基于窗口的self-attention并更好地聚合跨窗口信息；在RHAG结束时,保留之后的卷积层还添加了残差连接以稳定训练过程；步骤S33：其次，我们要解决混合注意块HAB模块；CAB通道注意块与SW-MSA模块并行插入到标准SwinTransformer块中的第一个LayerNorm层之后的问题；在连续HAB中，每隔一段时间就会采用基于移位窗口的自我注意SM_MSA；将一个小的常数α乘以CAB的输出；对于给定的输入特征IN_X，HAB的整个过程计算为XN＝LNIN_XXM＝SM_MSAXN+αCABXN+IN_XOUT_Y＝MLPLNXM+XM其中XM和XN表示中间特征，LNIN_X表示在LN层的输入特征IN_X，SM_MSAXN表示SM_MSA的XN中间特征，CABXN表示在CAB层的XN中间特征，OUT_Y代表HAB的输出；将每个像素视为嵌入的标记即在之后将patch大小设置为1以进行patch嵌入；MLP表示多层感知器，MLPLNXM表示在LN层的中间特征XM通过MLP得出的特征值；步骤S34：最后是通道注意力块CAB模块，它由两个标准卷积层组成，它们之间有一个GELU激活函数和一个通道注意CA模块；通过两个卷积层之间的常数β来压缩通道数；对于具有IN_C个通道的输入特征，第一个卷积层后输出特征的通道数被压缩到Cβ；然后通过第二层将特征扩展到OUT_C个通道；接下来，利用标准CA模块来自适应地重新调整通道特征；整个过程被表述为XOUT＝CAconv2GELUconv1Xin其中Xin、XOUT、conv1、conv2分别表示输入特征、输出特征、第一卷积层和第二卷积层；将上述模块组合加入到YOLOv7里，得到被改进HAT注意力机制优化过后的YOLOv7目标检测算法。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。