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！

龙图腾网获悉河南云巡智能科技研究院有限公司申请的专利一种基于改进YOLOv5的小目标识别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：CN115661607B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202211204452.2，技术领域涉及：G06V10/82；该发明授权一种基于改进YOLOv5的小目标识别方法是由蒋伟;田子豪;谷玉龙设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5的小目标识别方法在说明书摘要公布了：本发明涉及目标检测技术领域，且公开了一种基于改进YOLOv5的小目标识别方法，包括步骤：S1、构建改进的YOLOv5模型，所述S1包括：S11、构建通道‑空间并行的注意力机制模块；S12、将注意力模块添加至对应网络层中；S13、将主干网络CSPDarknet的21层输出的160x160尺寸的特征图与网络的第2层特征图进行concat操作，作为第4个检测头的输入模块；S2、替换YOLOv5原有的CIOU损失函数，训练模型；该一种基于改进YOLOv5的小目标识别方法能够在保证计算速度的前提下，通过增加检测头，增强模型的多尺度学习能力，同时通过子注意力机制，增加小目标周围的上下文信息，最后通过优化目标的损失函数，提高模型检测目标框的回归能力，从而全面提高模型对小目标的检测精度，保证了实用性。

本发明授权一种基于改进YOLOv5的小目标识别方法在权利要求书中公布了：1.一种基于改进YOLOv5的小目标识别方法，其特征在于： 包括步骤： S1、构建改进的YOLOv5模型，所述S1包括： S11、构建通道-空间并行的注意力机制模块，所述S11包括第一步骤： S111、注意力机制模块对特征图中的二维空间特征进行特征增强，所述S111包括如下步骤： S1111、采用两个1×1卷积生成空间注意力机制模块中的查询权重wsq和键值权重wsk； S1112、对查询权重进行全局最大池化操作，得到位置信息在各个通道的表达特征C2×1×1，其中C为通道数量； S1113、分别对查询权重和键值权重进行reshape操作，重整权重尺寸的矩阵形式，得到1×C2的矩阵； S1114、采用softmax函数对查询矩阵进行激活操作，将位置信息的通道特征权重映射在0,1之内； S1115、查询矩阵与键值矩阵进行矩阵相乘，得到各个位置的权重矩阵，然后通过reshape操作和Sigmoid函数激活，得到特征图在空间上的权重特征张量，其值在0,1之间，值越大，表明其对应位置存在目标的概率越大； S1116、将空间权重特征张量与输入特征图进行点乘，得到特征图在二维空间增强特征的输出； 所述S11还包括第二步骤： S112、注意力模块对拼接特征图中的一维通道特征进行特征增强，所述S112包括以下步骤： S1121、采用两个1×1卷积生成通道注意力机制中的查询权重wcq和键值权重wck； S1122、对查询权重和键值权重进行reshape操作，生成对应的矩阵，一个C2×HW的矩阵、一个WH×1的矩阵，其中H为高度尺寸，W为宽度尺寸； S1123、将查询矩阵通过softmax映射到0,1之间，然后通过softmax激活函数，将键值矩阵映射在0,1之间； S1124、将查询矩阵和键值矩阵进行矩阵相乘，得到通道的权重矩阵，其尺寸为C2×1； S1125、通道的权重矩阵经过1×1卷积、层归一化操作和Sigmoid的特征映射，得到通道特征权重张量，其尺寸为C×1×1； S1126、通道特征权重张量与输入的特征图进行点乘操作，实现特征图中的一维通道特征的特征增强； S12、将注意力模块添加至对应网络层中； S13、将主干网络CSPDarknet的21层输出的160x160尺寸的特征图与网络的第2层特征图进行concat操作，作为第4个检测头的输入模块； S2、替换YOLOv5原有的CIOU损失函数，训练模型； S3、完成训练后，对模型进行部署。

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河南云巡智能科技研究院有限公司，其通讯地址为：450001 河南省郑州市高新技术产业开发区玉兰街55号光机电产业园A307；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。