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！

龙图腾网获悉江西水利电力大学申请的专利一种基于YOLOv12的无人机目标检测方法及系统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：CN121330561B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511903566.X，技术领域涉及：G06V20/17；该发明授权一种基于YOLOv12的无人机目标检测方法及系统是由邓承志;武瑛博;吴朝明;孙小惟;张优;汪胜前;何如强设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本一种基于YOLOv12的无人机目标检测方法及系统在说明书摘要公布了：本发明涉及目标检测领域，提出一种基于YOLOv12的无人机目标检测方法及系统，通过设计一种可变形跨块采样非语义稀疏注意力机制进行浅层小目标特征提取，增强了模型对多尺度小目标特征的提取能力，提高了对小目标识别的敏感度和识别精度，又设计了一种多尺度全局语义注意力机制进行深层语义特征提取，提取了不同层次的语义特征信息，提升了模型的泛化能力，还设计了一种动态轻量级特征融合机制进行特征融合，通过自适应地处理浅层与深层提取到的特征，提高了网络模型对待检目标特征的捕捉能力，进一步提升了检测精度和鲁棒性，本发明提高了无人机目标检测的准确性和泛化能力。

本发明授权一种基于YOLOv12的无人机目标检测方法及系统在权利要求书中公布了：1.一种基于YOLOv12的无人机目标检测方法，其特征在于，包括： 获取无人机目标检测数据并进行预处理，将预处理后的无人机目标检测数据输入无人机目标检测模型，所述无人机目标检测模型包括主干网络、颈部融合网络和检测头； 根据可变形跨块采样非语义稀疏注意力机制进行浅层小目标特征提取，以获取浅层小目标特征，所述可变形跨块采样非语义稀疏注意力机制基于稀疏采样策略和动态形变感知； 所述根据可变形跨块采样非语义稀疏注意力机制进行浅层小目标特征提取，以获取浅层小目标特征的步骤，具体包括： 可变形跨块采样非语义稀疏注意力机制基于特征投影单元、通道注意力权重生成单元、稀疏分块单元、可变形采样单元、浅层特征注意力机制和特征重建单元； 所述特征投影单元包括多个卷积块，根据特征投影单元对无人机目标检测数据的输入特征图进行通道维度调整，所述通道维度调整的具体算法如下： ， 其中，X表示无人机目标检测数据的输入特征图，X’表示特征投影单元的输出特征，Conv2d表示卷积操作，c1表示输入特征通道，c2表示输出特征通道，Identity表示恒等映射； 所述通道注意力权重生成单元包括深度可分离卷积块、全局平均池化块和Sigmoid激活函数层，根据通道注意力权重生成单元生成通道注意力权重，所述生成通道注意力权重的具体算法如下： ， 其中，f表示通道注意力权重生成单元的输出，Sigmoid表示Sigmoid激活函数，DepthwiseSeparable表示深度可分离卷积，Avgpool表示全局平均池化； 所述稀疏分块单元根据稀疏系数将输入特征图划分为多个网格块，并计算每个网格块的中心坐标，所述稀疏分块单元的具体算法如下： ， ， ， ， 其中，Hstep表示网格块的高度步长，Wstep表示网格块的宽度步长，H与W表示输入特征图的高度与宽度，s表示稀疏系数，block_cooedsy与block_cooedsx表示网格块的左上角坐标值，centery与centerx表示第i行第j列网格块的中心坐标值； 根据可变形采样单元进行偏移量预测和掩码预测，以获取采样点预测偏移量和采样点预测重要性掩码； 根据浅层特征注意力机制和特征重建单元进行特征重建，以获取浅层小目标特征； 根据多尺度全局语义注意力机制进行深层语义特征提取，以获取深层语义特征，所述多尺度全局语义注意力机制基于多尺度语义提取单元、可变形语义融合单元和深层特征注意力机制单元； 根据动态轻量级特征融合机制对浅层小目标特征和深层语义特征进行特征融合，以获取融合特征，再根据所述融合特征获取最终目标检测结果，所述动态轻量级特征融合机制基于自适应特征融合架构，所述自适应特征融合架构包括多个特征融合块。

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江西水利电力大学，其通讯地址为：330000 江西省南昌市高新区天祥大道289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。