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！

龙图腾网获悉复旦大学申请的专利一种基于重参数化大卷积核的实时目标检测方法及装置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：CN121600376B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610113968.8，技术领域涉及：G06V10/82；该发明授权一种基于重参数化大卷积核的实时目标检测方法及装置是由姜育刚;陈智能;苏宇辰;吴祖煊设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本一种基于重参数化大卷积核的实时目标检测方法及装置在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体为一种基于重参数化大卷积核的实时目标检测方法及装置，将待检测图像输入实时目标检测模型；实时目标检测模型对于待检测图像基于集成重参数化大卷积核的骨干网络，提取层次化的特征；采用基于特征金字塔网络的颈部网络融合由骨干网络提取出的不同层级的特征，生成融合至指定特征层的特征图；通过采用三重正样本分配策略训练的头部网络，基于颈部网络输出指定特征层的特征图生成目标分类和边界框回归结果。与现有技术相比，本发明实现检测精度与推理速度的更优平衡，能够在保证高检测精度的前提下，实现高效的实时推理速度。

本发明授权一种基于重参数化大卷积核的实时目标检测方法及装置在权利要求书中公布了：1.一种基于重参数化大卷积核的实时目标检测方法，其特征在于，步骤包括： 将待检测图像输入实时目标检测模型，所述实时目标检测模型包括骨干网络、颈部网络与头部网络； 通过基于集成重参数化大卷积核的骨干网络，对待检测图像进行下采样并提取不同层级的特征； 将骨干网络提取出的不同层级的特征，分别输入基于特征金字塔网络的颈部网络对应的特征层中进行融合，生成对应特征层的特征图； 通过采用三重正样本分配策略训练的头部网络，基于颈部网络输出指定特征层的特征图，生成目标分类和边界框回归结果； 所述头部网络采用三重正样本分配策略训练的单层头部结构，以颈部网络18特征层的特征图作为输入，进行目标分类和边界框回归预测； 头部网络在训练阶段通过仅在训练时存在的辅助分支，为主检测器提供密集且高质量的监督信号，具体包括： 深层次密集分配分支，包括分类子网络和回归子网络，所述分类子网络和回归子网络均由四个特征提取卷积层和一个预测卷积层构成，采用密集分配方式，将目标内部的全部区域均视为正样本，生成浅层次稀疏分支的监督信号； 深层次稀疏分配分支，包括分类子网络和回归子网络，所述分类子网络和回归子网络均由四个特征提取卷积层和一个预测卷积层构成，采用一对一匹配策略分配正样本，作为教师分支，为浅层次稀疏分支生成一套正样本目标； 浅层次稀疏分配分支，包括分类子网络和回归子网络，所述分类子网络和回归子网络仅分别包含一个卷积层，作为学生分支，以深层次稀疏分配分支的输出作为监督信号进行监督训练； 在推理阶段，保留所述浅层次稀疏分配分支作为头部网络执行预测的检测头。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。