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！

龙图腾网获悉中国人民解放军空军勤务学院申请的专利基于密度感知与空间层级化的无人机俯视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：CN121640326B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610164371.6，技术领域涉及：G06V20/17；该发明授权基于密度感知与空间层级化的无人机俯视小目标检测方法是由董博;任孟龙;张迪;马明琮;顾雨龙;周凤宇设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本基于密度感知与空间层级化的无人机俯视小目标检测方法在说明书摘要公布了：本发明公开了一种基于密度感知与空间层级化的无人机俯视小目标检测方法，属于计算机视觉技术领域。针对无人机航拍场景中存在的小目标特征易丢失、密集遮挡导致误抑制及缺乏密度感知等问题，本发明提出一种端到端检测框架：首先，通过自适应图像切片与特征保留模块对高分辨率图像进行预处理，在保持实时性的同时保留小目标特征；其次，利用特征提取与融合网络获取多尺度特征；采用密度感知双分支检测头并行输出目标检测信息与像素级密度热力图；通过包含排斥力损失的总损失函数优化模型，结合密度引导自适应NMS进行后处理，有效解决密集小目标漏检、边界框粘连问题，增强复杂背景抗干扰能力，实现检测精度与实时性的高效平衡。

本发明授权基于密度感知与空间层级化的无人机俯视小目标检测方法在权利要求书中公布了：1.一种基于密度感知与空间层级化的无人机俯视小目标检测方法，其特征在于：包括以下步骤： S1：通过自适应图像切片与特征保留模块对无人机采集的高分辨率输入图像进行预处理，得到尺寸统一的子图并建立全局坐标映射关系； S2：将预处理后的子图输入特征提取体系，得到多尺度特征图，所述特征提取体系包括特征提取主干网络、空间注意力增强模块及多尺度特征融合网络； S3：多尺度特征图输入密度感知双分支检测头，并行输出目标检测信息与像素级密度热力图，所述目标检测信息包括边界框坐标、类别概率及目标置信度； 所述密度感知双分支检测头采用并行双分支解耦架构，以接收来自多尺度特征融合网络输出的多尺度特征图Fi，所述密度感知双分支检测头具体包含以下两个任务分支： 其一为目标检测分支：所述目标检测分支采用解耦头设计，通过两组并行的3×3卷积层分别提取类别特征与定位特征； 其中，分类子分支输出张量维度为H'×W'×C，其中C为类别数，用于预测每个位置的目标类别概率Pcls；回归子分支输出张量维度为H'×W'×5，用于预测边界框偏移量x,y,w,h及目标置信度conf； 其二为密度估计分支：所述密度估计分支与目标检测分支共享浅层特征，深层特征通过独立的三层卷积模块解耦； 所述三层卷积模块包括两层3×3卷积层及一层1×1卷积层，每层卷积后均依次连接BN层与ReLU激活函数，输出像素级的单通道密度热力图D∈RH'×W'×1； 单通道密度热力图的真值； 其中δ为狄拉克δ函数，Gσ为方差为σ的二维高斯滤波器；σ根据目标框的平均尺寸自适应调整；M为目标总数，pk为第k个目标的中心坐标； S4：训练阶段采用排斥力约束总损失函数对检测模型进行优化，推理阶段通过密度引导自适应非极大值抑制对目标检测信息进行后处理，输出最终检测结果； 所述密度引导自适应非极大值抑制的实现过程包括以下步骤： Step-c1、提取区域拥挤度指标； Step-c2、构建密度-阈值自适应映射函数； Step-c3、候选框筛选。

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中国人民解放军空军勤务学院，其通讯地址为：221000 江苏省徐州市鼓楼区铜沛西阁街85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”。

以上内容由龙图腾AI智能生成。