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！

龙图腾网恭喜电子科技大学申请的专利一种基于YOLOv5x改进模型的无人机拍摄图像物体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：CN115482475B 。

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：202211042295.X，技术领域涉及：G06V20/17；该发明授权一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法是由刘娟秀;李嘉琛;张静;郝茹茜;王祥舟;杜晓辉;刘霖;刘永设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法在说明书摘要公布了：本文发明一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法，通过构建RSTS‑YOLOv5将YOLOv5结构中保留的部分提取单帧图像中的图像特征与色彩信息与RSTS模块提取的隐式上下文信息相结合，弥补无人机拍摄图像中物体过小，特征极度不明显导致的难以检测的问题，利用无人机拍摄图像聚簇特点，进行多尺度数据增强，具有操作简便、检测效率高、精度高、漏检率和误检率低的效果。

本发明授权一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法在权利要求书中公布了：1.一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法，包括以下步骤： 步骤1：获取无人机拍摄图像目标检测数据集； 步骤2：对步骤1中的数据集格式进行转化，通过Python脚本将检测标签转为YOLO格式的txt标签文件，文件中每一行代表一个目标框，一行中包含参数为：物体类别object-class、目标框中心横坐标x、目标框中心纵坐标y、目标框宽度width、目标框高度height； 步骤3：对步骤2中获取的格式转化后的数据集进行多尺度数据增强，首先将数据集图片长度统一设置为1024，并分别进行对应尺度大小为1120,1248,1344,1472的多尺度数据增强； 步骤4：构建RSTS模块，其具体步骤为； 步骤4-1：通过PatchMerging分别在输入特征图的行列两个方向每间隔2个像素选取1个元素，然后拼接在一起作为1个张量，最后展开；此时通道维度会变成原先的4倍，因为H,W各缩小2倍，此时再通过一个全连接层再调整通道维度为原来的两倍； 步骤4-2：通过卷积操作将原始张量降采样至长宽大小为原张量的12，通道数保持不变； 步骤4-3：通过LayerNorm将步骤4-1得到的张量沿通道维度进行归一化； 步骤4-4：将步骤4-3得到的张量划分成为多个窗口，即将输入张量进行维度上的变化使其从x∈RH×W×C空间变为x∈RN×Ws×Ws×C，其中，N＝h×wWs×Ws，H、W表示向量空间的高度、宽度，Ws代表窗口数量，h,w,C分别代表原始的高度、宽度、通道数； 步骤4-5：对每个窗口进行多头自注意力机制计算，得到相对位置信息编码后的特征图； 步骤4-6：通过LayerNorm对步骤4-4输出进行归一化，然后通过全连接层将维度变化为输入的原始维度，并将输出的张量与步骤4-4的输出作为残差进行融合，得到一张新的特征图； 步骤4-7：通过对步骤4-6输出的特征图移位，并给自注意力机制计算过程设置掩膜来实现的窗口迁移，然后重复步骤4-3到步骤4-7，最后恢复特征图原始位置； 步骤4-8：将步骤4-2得到的残差与步骤4-7得到的输出进行融合； 步骤5：基于步骤4构建的RSTS模块搭建RSTS-YOLOv5模型，具体步骤如下： 步骤5-1：替换原始YOLOv5中backbone第10层的C3层为RSTS模块，该模块具体参数为：3组成对的SwinTransformerblock，窗口大小为4，多头注意力机制头数为12； 步骤5-2：在第17层后，继续对特征图进行上采样，使得特征图继续扩大，同时在第20层时，将获取到的特征图与YOLOv5骨干网络的第3层特征图进行融合，以此获取更大的特征图进行小目标检测； 步骤5-3：在YOLOv5骨干网络的第23、27、31、35层分别对应添加1、3、2、1组成对的SwinTransformerblock的RSTS模块，其窗口大小为4，多头注意力机制头数为12； 步骤6：对于数据集中所有的训练样本集，统一进行马赛克数据增强，然后对步骤5得到模型进行训练，直到训练完成； 步骤7：对于数据集中所有的测试样本集，进行批量测试，采用通过测试的模型进行实时物体检测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。