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！

龙图腾网恭喜东北大学秦皇岛分校申请的专利一种基于新型半断层FPN+PAN特征融合网络的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：CN116543290B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202310591616.X，技术领域涉及：G06V10/82；该发明授权一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法是由李文超;郭周鹏;沙晓鹏;管政;朱宇杰;谢德瀚设计研发完成，并于2023-05-24向国家知识产权局提交的专利申请。

本一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法在说明书摘要公布了：本发明提供一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法，属于目标检测领域。本方法在FPN+PAN特征融合网络的基础上切断其中FPN较深层的信息传递过程，有效地削弱浅层特征图的尺度混淆问题，提高了小目标检测精度。同时，采用Dconv模块与C3‑Res模块构成的特征提取网络，以自适应提取特征并加深网络深度。同时，采用K‑means++算法得到先验框，加速模型收敛。最后，对检测结果进行非极大值抑制，筛出重叠物体框，整个网络采用端到端的方式，整体进行网络权值的更新，直至收敛。最终，提出的新型半断层FPN+PAN多尺度特征融合网络有效地提高了复杂背景、多尺度目标下的小目标检测精度。

本发明授权一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法在权利要求书中公布了：1.一种基于新型半断层FPN+PAN特征融合网络的小目标检测方法，其特征在于，包括以下步骤：步骤1：使用以Yolov5主干网络NewCSP-Darknet53为改进的特征提取网络，提取包含小目标的多尺度目标图片；所述主干网络由5组特征提取模块依次串联构成；其中第1组特征提取模块为Focus数据增强模块与C3_Res模块构成；第2、3、4组特征提取模块均由Dconv模块和C3_Res模块构成；第5组特征提取模块由Dconv模块与SPP模块构成；所述C3_Res模块结构为Yolov5中的C3模块首末端连通一个残差连接通道的卷积模块；所述Dconv模块为可变形卷积模块、BN环节、SiLU激活函数构成的模块，此模块通过加入偏移量的方式改变卷积核形状，自适应的提取目标特征；其中所述可变形卷积模块对C*H*W尺寸的图片进行卷积，缩小图片尺寸并增加通道数，得到尺寸为2C*H2*W2的特征图，其公式为： 式中，w表示抽样值的对应权重；为正规网格，p0为卷积中心，pn为中元素，Δpn为偏移量，{Δpn|n＝1,....,N}，其中卷积取样位置则取决于不规则的偏移量pn+Δpn；所述BN环节即采用通用的批量标准化操作BatchNorm2d，使其具有描述全局数据的统计特性，同时保证网络训练过程不会出现梯度爆炸与梯度消失的问题；所述SiLU激活函数输出2C*H2*W2的特征图；其中SiLU激活函数的公式如下： 步骤2：提取由主干网络五个特征提取模块生成的5组尺寸依次减半、通道依次翻倍的不同深度的特征图T1、T2、T3、T4、T5，并输入到特征融合网络当中；所述特征融合网络首先将浅层特征图T3、T2、T1以FPN网络中自顶向下的特征融合形式融合特征，由T1、T2、T3分别获得3组新特征图L1、L2、L3；其次，由T4、T5分别获得2组新特征图L4、L5；最终得到5组新的尺寸依次减半、通道依次翻倍的不同深度的特征图L1、L2、L3、L4、L5；所述步骤2具体包括以下步骤：步骤2.1：提取出特征图T5，依次输入C3模块与卷积模块Conv2d，输出新特征图L5；步骤2.2：对特征图L5进行上采样操作并与特征图T4进行Concat操作，其中Concat操作是将两个不同的特征图在通道维度上进行直接合并的一种操作，合并通道后依次输入C3模块与卷积模块Conv2d，得到新特征图L4；步骤2.3：提取主干网络第4个特征提取模块的Dconv后输出的特征图T3、T4，依次输入C3模块与卷积模块Conv2d操作，输出特征图L3、L4；对特征图L3、L4进行上采样操作并与T3特征图进行Concat操作，合并通道，得到新特征图L3；步骤2.4：对L3进行C3模块与卷积模块Conv2d操作，进行上采样操作并与T2特征图进行Concat操作，合并通道，得到新特征图L2；步骤2.5：对L2进行C3模块与卷积模块Conv2d操作，进行上采样操作并与特征图T1进行Concat操作，合并通道，得到新特征图L1；步骤3：通过PAN特征金字塔结构在L1、L2、L3、L4、L5特征图之间建立特征传输通道，确保不同特征层之间的上下文信息进行有效传递，并输出新特征图Z1、Z2、Z3、Z4、Z5用于检测；步骤4：采用K-means++算法得到先验框，根据Citypersons数据集中物体的目标框尺度进行聚类，分别通过k-means聚类算法与遗传变异算法得到5个尺度的先验框；步骤5：最后将融合后的特征图Z1、Z2、Z3、Z4、Z5分别输出并用于检测出候选框信息与此候选框属于某类别的概率，对检测结果使用非极大值抑制的方法进行筛选，即将输出检测结果中的候选框，依据检测结果中候选框属于类别的概率值做排序，并选择概率最大的候选框为最终结果，完成小目标检测方法。

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东北大学秦皇岛分校，其通讯地址为：066004 河北省秦皇岛市经济技术开发区泰山路143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”。