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！

龙图腾网获悉新疆海纳同创智能科技有限公司申请的专利一种基于YOLOv4的轻量级机场场面监视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：CN115457465B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211087915.1，技术领域涉及：G06V20/52；该发明授权一种基于YOLOv4的轻量级机场场面监视方法是由李言章;张建伟;钟磊;李泓遐;李莹;胡小琴设计研发完成，并于2022-09-05向国家知识产权局提交的专利申请。

本一种基于YOLOv4的轻量级机场场面监视方法在说明书摘要公布了：本发明涉及一种基于改进YOLOv4的轻量级机场场面监视方法，包括以下步骤：在机场场面收集的场面监控视频和照片利用标注工具制作成为数据集，并进行标注；构建IEN‑YOLO目标检测模型；利用制作好的机场场面训练集对构建的IEN‑YOLO检测模型进行训练，并利用构建好的测试集对IEN‑YOLO模型进行性能测试；将需要检测的图片输入训练好的IEN‑YOLO检测模型得到检测识别结果。该方法只需在机场场面部署硬件成本较低的监控摄像头即可实现机场场面的监视，可以在保持高效检测识别精度的同时节省部署成本。

本发明授权一种基于YOLOv4的轻量级机场场面监视方法在权利要求书中公布了：1.一种基于YOLOv4的轻量级机场场面监视方法，其特征在于包括以下步骤： 步骤①：采集机场场面监控摄像头拍摄的监控视频，并对监控视频按关键帧截取的方式，将每一帧保存为图片，然后利用开源软件LabelImg对保存的图片进行标注，标注包括了目标位置信息和类别信息，其中类别信息包括三类：airplane、man、car，从而构建机场场面数据集； 步骤②：采用YOLOv4算法作为基础的目标检测模型，之后使用以下3个改进模块来构建IEN-YOLO检测模型：1使用轻量级EfficientNet网络作为骨干特征提取网络，并在骨干网络中使用ECA注意力机制替换SE注意力机制:使用轻量级的EfficientNet网络替换YOLOv4模型原有的CSPDarknet53骨干网络，EfficientNet网络包括了8个模块,第一个模块为3x3的卷积模块，其余7个模块为MBConv模块，每个MBConv模块基本组成单位为：深度可分离卷积层、Switch激活函数、SE注意力机制和残差连接；使用更加轻量且对小目标检测效果更好的ECA注意力替换原始EfficientNet网络中的SE注意力机制，从而得到改进的EfficientNet网络；ECA注意力机制使用了大小为K的1D自适应卷积操作和不降维的特征提取操作来提高特征提取能力并降低模型的计算量；ECA注意力机制首先将输入特征F进行全局平均池化Avgpool，然后使用卷积核大小为K的1D卷积操作Convk得到注意力权重，然后将注意力权重与输入特征F相乘得到新特征F'，ECA注意力机制表达式如下： 式中为最终输出的特征，为输入特征，代表大小为K的1D卷积操作，表示平均池化操作；2在YOLOv4算法中加入2倍的反卷积上采样和加权特征融合结构；3在YOLOv4算法中加入一层高分辨率检测层；在YOLOv4算法基础上加入以上三个不同改进模块之后得到IEN-YOLO检测模型，实现对机场场面上的飞机即airplane、人员即man和车辆即car的检测识别； 步骤③：利用构建好的机场场面数据集并以数据集中标注框的IoU为聚类指标来计算出IEN-YOLO检测模型需要预先设计的anchor框参数； 步骤④：利用构建好的机场场面数据集并结合小目标数据增强策略来对IEN-YOLO检测模型进行训练，通过训练得到最优的权值参数，之后用最优的权值参数来构建最终的IEN-YOLO机场场面检测模型； 步骤⑤：利用构建好的IEN-YOLO机场场面检测模型来检测识别输入的机场场面监控图像中的所有目标，包括了各个目标的位置信息和类别分数信息，最后使用Soft-NMS算法对得到检测框进行重叠问题处理，从而得到最终的检测识别结果。

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新疆海纳同创智能科技有限公司，其通讯地址为：834000 新疆维吾尔自治区克拉玛依市克拉玛依区丰源路35-826至827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。