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！

龙图腾网恭喜西安电子科技大学申请的专利基于多分支并行混合空洞编码神经网络的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：CN114821462B 。

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：202210319406.0，技术领域涉及：G06V20/52；该发明授权基于多分支并行混合空洞编码神经网络的目标检测方法是由冯冬竹;鲁彦萱;秦翰林;袁帅;孙鹏;陈嘉欣;代杨设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本基于多分支并行混合空洞编码神经网络的目标检测方法在说明书摘要公布了：本发明涉及一种基于多分支并行混合空洞编码神经网络的目标检测方法，包括：获取待测图像；将待测图像输入至训练完成的多分支并行混合空洞编码神经网络中，得到待测图像的最终检测结果。本发明的目标检测方法，通过训练完成的多分支并行混合空洞编码神经网络，对无人机拍摄得到的待测图像进行目标检测，该多分支并行混合空洞编码神经网络利用并行混合空洞编码神经网络对输入图像进行特征提取，同时利用解码预测网络和注意力无锚预测网络得到两个检测结果，通过对两个检测结果的融合得到最终检测结果，该目标检测方法能够提高无人机对地面小目标的检测精度，尤其对密集、遮挡场景下小目标的漏检及误检现象进行改善。

本发明授权基于多分支并行混合空洞编码神经网络的目标检测方法在权利要求书中公布了：1.一种基于多分支并行混合空洞编码神经网络的目标检测方法，其特征在于，包括：获取待测图像；将所述待测图像输入至训练完成的多分支并行混合空洞编码神经网络中，得到所述待测图像的最终检测结果；其中，所述并行混合空洞编码神经网络包括：并行的第一分支链路和第二分支链路，其中，所述第一分支链路以多个比例对输入的低层特征图进行图像上下文信息的捕捉，得到初始特征图；所述第二分支链路用于对输入的所述低层特征图进行全局感知的注意力权重分配，得到注意力加权特征图；将所述初始特征图和所述注意力加权特征图通过concat合并，得到增强特征图；其中，所述多分支并行混合空洞编码神经网络是基于多个训练样本训练得到的，所述训练样本包括利用无人机拍摄得到的图像以及其对应的类别标签；所述多分支并行混合空洞编码神经网络包括：若干依次连接的下采样模块，每一个所述下采样模块的输出端连接一个并行混合空洞编码神经网络，形成并行的分支结构，第一个所述分支结构的并行混合空洞编码神经网络的输出端与解码预测网络连接；其他所述分支结构的并行混合空洞编码神经网络的输出端均与注意力无锚预测网络连接；其中，所述解码预测网络包括依次连接的注意力模块、编码-解码模块和分类预测模块，其中，所述注意力模块用于对输入的所述增强特征图进行全局感知的注意力权重分配，并沿着通道和空间两个独立的维度依次进行推断，得到注意特征图，并将该注意特征图与所述解码预测网络输入的所述增强特征图相乘实现自适应特征细化；所述编码-解码模块用于将特征细化后的注意特征图编码为编码信息矩阵，并与所述并行混合空洞编码网络输出的所述增强特征图进行融合解码，得到融合解码特征图；所述分类预测模块用于对所述融合解码特征图进行卷积操作，得到第一检测结果，所述第一检测结果包括所述待测图像的类别概率和目标框坐标信息；其中，所述注意力无锚预测网络包括若干个并行连接的注意力混合空洞卷积模块，所述注意力混合空洞卷积模块与所述分支结构的并行混合空洞编码神经网络对应连接；所述注意力混合空洞卷积模块对输入的所述增强特征图进行分类检测，分别得到所述待测图像的类别概率、目标框信息以及目标框坐标信息；将所述类别概率、所述目标框信息以及所述目标框坐标信息通过concat合并和Reshape操作后得到的二维特征向量，作为第二检测结果所述下采样模块用于对输入的图像进行下采样得到低层特征图；所述并行混合空洞编码神经网络用于对所述低层特征图进行特征提取，得到增强特征图；所述解码预测网络用于对输入的所述增强特征图进行分类检测，得到第一检测结果；所述注意力无锚预测网络用于对输入的所述增强特征图进行分类检测，得到第二检测结果；根据所述第一检测结果和所述第二检测结果得到所述待测图像的最终检测结果。

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西安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2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”。