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！

龙图腾网获悉浙江大学申请的专利基于自适应模态选取策略的空对地小目标多模态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：CN119229329B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202411749968.4，技术领域涉及：G06V20/17；该发明授权基于自适应模态选取策略的空对地小目标多模态检测方法是由曹彦鹏;唐溢禹;童希;杨将新设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本基于自适应模态选取策略的空对地小目标多模态检测方法在说明书摘要公布了：本发明公开了一种基于自适应模态选取策略的空对地小目标多模态检测方法，包括以下步骤：S1.构建深度学习卷积网络初始框架模型，所述卷积网络初始框架模型包括依次设置的双路卷积神经网络、策略模块、融合模块和检测头；S2.采用基于可见光‑红外图像对的无人机人群检测数据集中的训练集对卷积网络初始框架模型进行训练，获得目标检测模型；S3.获取待检测图像并输入至目标检测模型中，通过目标检测模型对待检测图像进行特征提取、筛选和融合，最后输出目标位置结果。本发明解决了现有空对地小目标检测技术中存在的待检测目标尺度小、模态空间不平衡以及模态信息冗余的问题，能够抵御光照条件较差、部分遮挡和重叠等干扰因素的影响。

本发明授权基于自适应模态选取策略的空对地小目标多模态检测方法在权利要求书中公布了：1.一种基于自适应模态选取策略的空对地小目标多模态检测方法，其特征在于，包括以下步骤： S1.构建深度学习卷积网络初始框架模型，所述卷积网络初始框架模型包括依次设置的双路卷积神经网络、策略模块、融合模块和检测头； S2.采用基于可见光-红外图像对的无人机人群检测数据集中的训练集对卷积网络初始框架模型进行训练，获得目标检测模型； S3.获取待检测图像并输入至目标检测模型中，通过目标检测模型对待检测图像进行特征提取、筛选和融合，最后输出目标位置结果；具体为： 所述双路卷积神经网络分别处理可见光图像与红外图像，提取两种模态的特征图，得到双路特征图； 所述策略模块用于对双路卷积神经网络提取的双路特征图进行模态筛选，自适应地选择其中有效的模态特征进行保留，去除无效或存在较多干扰的模态信息；所述策略模块的工作流程如下：首先将双路的特征图输入自适应平均池化层并将输出级联后展平得到一维向量： ， 其中与表示输入的可见光与红外模态各自对应的特征图；与表示双路特征图各自经过的自适应平均池化层；表示级联操作；表示将结果平展成一维向量； 之后再将向量输入一系列的全连接层中执行分类操作，得到离散的分类结果： ， ， 其中对应一系列的全连接层，；与分别对应全连接层对两个模态的分类结果；表示将与级联后的结果； 然后在策略模块中引入耿贝尔归一化分布策略将离散的分类结果用连续分布进行近似，其过程可以表示为： ， 其中表示使用耿贝尔归一化分布对离散结果进行近似；与分别对应可见光与红外模态的策略输出；表示将结果进行组合后共同输出； 最后，将两个模态输入的特征图与与其对应的策略输出与相乘，即可得到策略模块最终输出的特征图与： ， 所述融合模块由注意力模块和多重卷积模块构成，用于对策略模块筛选后的双路特征图的互补信息进行整合；所述融合模块通过空间注意力机制识别特征图中的关键区域，并减少无关区域的影响，突出微小目标的特征并抑制背景干扰，还通过部署多组卷积层来提取不同尺度的目标特征；所述融合模块的工作流程如下：首先将策略模块输出的可见光与红外模态的双路特征图与级联后输入至注意力模块中，其过程可以表示为： ， ， 其中表示将双路特征图与级联后的结果；与分别表示最大池化操作与平均池化操作；表示二维卷积操作；表示激活函数；表示相乘操作；表示经过注意力模块后输出的特征图； 之后再将输入多重卷积模块中执行进一步的特征提取后得到融合模块输出的特征图，其过程可以表示为： ， 其中表示相加操作；表示图4中各个归一化卷积模块对应的操作，；表示多个归一化卷积模块组成的联合操作。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。