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！

龙图腾网恭喜杭州电子科技大学申请的专利基于去重叠和关联注意力机制的X光图像违禁品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：CN118261853B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202311789211.3，技术领域涉及：G06T7/00；该发明授权基于去重叠和关联注意力机制的X光图像违禁品检测方法是由徐向华;周东;王然;李平设计研发完成，并于2023-12-25向国家知识产权局提交的专利申请。

本基于去重叠和关联注意力机制的X光图像违禁品检测方法在说明书摘要公布了：本发明公开了基于去重叠和关联注意力机制的X光图像违禁品检测方法，该方法首先获取含有目标边界框和类别标注的X光图像数据集。其次在YOLOv7的网络主干部分末尾添加分类器，并在网络主干与颈部之间添加自顶而下的去重叠模块，输出特征图集合然后将YOLOv7颈部双向融合特征金字塔结构中的特征融合模块替换为增强特征融合模块，得到特征图集合N。最后在YOLOv7网络头部添加无需锚框的检测头，输入特征图集合N，输出模型预测的目标边界框和类别，设定训练参数进行迭代训练，在验证集上进行验证，输出违禁品检测效果图。本发明对于X光图像违禁品检测的检测精度明显提高，并且拥有较高的检测速度。

本发明授权基于去重叠和关联注意力机制的X光图像违禁品检测方法在权利要求书中公布了：1.基于去重叠和关联注意力机制的X光图像违禁品检测方法，其特征在于，包括以下步骤： 步骤1、获取含有目标边界框和类别标注的X光图像数据集，将数据集划分为训练集It和验证集Iv，并对训练数据集图像进行预处理； 步骤2、在YOLOv7的网络主干部分末尾添加分类器CLS，将训练集输入网络主干部分进行特征提取得到特征图集合F，然后在网络主干与颈部之间添加自顶而下的去重叠模块TD-DOM，输出经过TD-DOM优化后的特征图集合具体过程为： 2-1、针对YOLOv7网络主干部分末尾添加分类器CLS，网络的主干部分按阶段划分为P2、P3、P4、P5层； 2-2、训练数据集It中的图像输入到网络主干部分提取特征，得到P3、P4、P5层输出特征图集合以及分类器的输出的分类特征图Fcls；其中，Fi表示训练图像样本图像的第Pi层的输出特征图，Ci、Hi、Wi分别表示Pi层的特征通道数、高和宽； 2-3、在网络主干与颈部之间添加三个TD-DOM机制，将特征图集合F输入到TD-DOM机制，得到特征图集合所述TD-DOM机制中包含通道选取部分和空间激活部分，具体设计如下： 2-3-1、通道选取部分：输入部分为第i层的特征Fi、经过自顶而下的去重叠模块TD-DOM机制处理过的上层的特征以及分类特征图Fcls，输入TD-DOM后得到三个特征图所对应的通道描述符Low＝SigPWCGAPFi、 以及High＝SigPWCFcls；其中GAP·为全局平均池化，PWC·为逐点卷积，Sig·为Sigmoid激活函数；通道注意权重Catt＝SigPWCConcatHigh；Mid；Low；其中Concat为沿通道维度串联；再对当前层特征Fi进行通道加权得到 2-3-2、将通道选取部分得到特征图输入到空间激活部分，其经过空间激活部分得到相应的空间位置权重其中的DWdConv7·为7×7逐深度卷积操作，DWConv7·为扩张率为4的7×7逐深度扩张卷积；再对进行空间加权，得到优化后的输出特征图对于主干部分的特征图集合F进行上述操作，得到相应优化的特征图集合 步骤3、将YOLOv7颈部双向融合特征金字塔PANet结构中的特征融合模块FFM替换为增强特征融合模块EFFM，将特征图集合送入修改后的双向融合特征金字塔，得到融合后的特征图集合N；具体过程为： 3-1、将PANet中自底向上融合路径中的特征融合模块FFM替换为增强特征融合模块EFFM，增强特征融合模块EFFM是特征融合模块FFM联合关联注意力机制所得； 3-2、将优化特征图集合输入到改进后的颈部的双向融合特征金字塔中，得到颈部N3、N4、N5层的输出特征图集合得到所述输出特征图集合N具体过程如下： 3-2-1、对于优化特征图集合进行自顶向下融合，假设输入为高级特征和低级特征上标i表示在第i层；高级特征通过双线性插值上采样到一样的大小，将上采样后的高级特征和原始低级特征输入到特征融合模块FFM中，得到输出特征图Xi，对于优化的特征图集合进行上述操作得到颈部中自顶向下融合路径的特征图集合 3-2-2、将自顶向下融合路径的特征图集合X进行自底向上融合，假设输入为高级特征Xi +1和低级特征Xi，低级特征经过均值下采样到Xi+1大小，将下采样后的高级特征和原始低级特征输入到增强特征融合模块EFFM中：首先输入到特征融合模块FFM得到不同层的特征图集合 和最后聚合层的特征图其中下标j表示为多层串联的卷积结构中该层为最终聚合层之前的第j层；然后将和输入到关联注意力机制RA中得到Ni+1； 所述关联注意力RA由桥接注意力模块BA和桥接空间注意力模块BSA两部分组成，具体设计如下： 3-2-2-1、BA模块桥接特征融合模块FFM中最后聚合层的特征图以及多层串联的卷积结构中的不同层的特征图集合将特征图集合和输入到BA模块中，使得聚合层可以根据其之前不同层的特征图之间通道的关系对于聚合层通道的贡献程度，得到对不同通道的特征权重其中，GAP·为全局平均池化，保留原有维度，Sum·为逐元素相加，ReLU·为ReLU激活函数，为1×1卷积，j表示第j层的卷积，e为最后聚合层的卷积，Sig·为Sigmoid激活函数；对输入的进行注意增强得到特征图 3-2-2-2、将和输入到BSA模块中，得到关联空间注意力权重： 其中AP·为沿通道维度的平均池化操作，MP·为沿通道维度的最大池化操作，Conv7·为7×7的卷积，Conv1·为1×1卷积，Conv21·为21×21的卷积，Sig·为Sigmoid激活函数；对3-2-2-1的输出进行增强，得到模块输出特征图 3-2-3、对于特征图集合X进行步骤3-2-2的操作，得到颈部最终的特征图集合 步骤4、在YOLOv7网络头部添加额外的无需锚框的检测头，将特征图集合N输入YOLOv7网络头部，输出模型预测的目标边界框和类别，并分别计算预测值与真实值的误差； 步骤5、设定训练参数，将预处理后的训练数据集输入到由步骤2-4构建成的模型中，进行迭代训练，在验证集上进行验证，输出违禁品检测效果图。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。