買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉泉州裝備制造研究所申請的專利一種基于YOLO11s改進的無人機小目標檢測模型建立檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120298937B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510789238.5，技術領域涉及：G06V20/17；該發明授權一種基于YOLO11s改進的無人機小目標檢測模型建立檢測方法是由巢建樹;米琦;李俊杰;張凱源;賴佳華;葉大鵬;羅志聰設計研發完成，并于2025-06-13向國家知識產權局提交的專利申請。

本一種基于YOLO11s改進的無人機小目標檢測模型建立檢測方法在說明書摘要公布了：本發明涉及計算機視覺領域，具體涉及一種基于YOLO11s改進的無人機小目標檢測模型建立檢測方法，建立YOLO11s?UAV模型，該YOLO11s?UAV模型是改進的YOLO11s模型，將YOLO11s模型的骨干網絡中的最后一個下采樣融合層刪除，該下采樣融合層包括Conv模塊和C3k2模塊，將YOLO11s模型的骨干網絡中剩余的C3k2模塊和YOLO11s模型的頸部網絡中的C3k2模塊都替換為可變簡單無參數注意力機制模塊，將YOLO11s模型的骨干網絡中剩余的Conv模塊替換為空間轉深度殘差卷積模塊；將YOLO11s模型的頸部網絡中的Upsample模塊替換為內容感知特征重組上采樣模塊；將YOLO11s模型的骨干網絡中的最后一個下采樣融合層刪除，使得整個網絡保留更多小目標精細的特征信息，同時降低了模型的復雜度。

本發明授權一種基于YOLO11s改進的無人機小目標檢測模型建立檢測方法在權利要求書中公布了：1.一種基于YOLO11s改進的無人機小目標檢測模型建立方法，其特征在于：建立YOLO11s-UAV模型，該YOLO11s-UAV模型是改進的YOLO11s模型，該YOLO11s-UAV模型包括對輸入圖像進行特征提取的骨干網絡、對特征圖進行特征提取與融合的頸部網絡和對頸部網絡輸出的融合特征圖進行檢測和分類的頭部結構； 將YOLO11s模型的骨干網絡中的最后一個下采樣融合層刪除，該下采樣融合層包括Conv模塊和C3k2模塊，將YOLO11s模型的骨干網絡中剩余的C3k2模塊和YOLO11s模型的頸部網絡中的C3k2模塊都替換為可變簡單無參數注意力機制模塊，將原骨干網絡中剩余的Conv模塊替換為空間轉深度殘差卷積模塊； 將YOLO11s模型的頸部網絡中的Upsample模塊替換為內容感知特征重組上采樣模塊； 在YOLO11s模型的骨干網絡的C2PSA模塊與頸部網絡的第一個內容感知特征重組上采樣模塊之間沿數據傳輸方向依次設有第一卷積模塊、第一拼接模塊和可變簡單無參數注意力機制模塊； 第二卷積模塊用于對骨干網絡的第一個可變簡單無參數注意力機制模塊輸出的融合特征進行卷積操作后輸送至頸部網絡的第一個內容感知特征重組上采樣模塊之后的拼接模塊； 第三卷積模塊用于對骨干網絡的第二個可變簡單無參數注意力機制模塊輸出的融合特征進行卷積操作后輸送至頸部網絡的第一拼接模塊； 第四卷積模塊用于對頸部網絡的內容感知重組與交互特征金字塔網絡之后的第一個可變簡單無參數注意力機制模塊輸出的融合特征進行卷積操作后輸送至頸部網絡的最后一個拼接模塊； 所述空間轉深度殘差卷積模塊包括將輸入的特征圖切分為多個像素塊并重新排列到深度維度的空間深度轉換模塊、對所述像素塊進行特征圖通道數轉換操作的非步長卷積模塊和對所述非步長卷積模塊輸出的特征圖進行多尺度上下文信息提取的擴張殘差模塊，以及對所述非步長卷積模塊輸出的特征圖和所述擴張殘差模塊輸出的特征圖進行合并批量歸一化處理，并應用激活函數輸出特征圖； 所述可變簡單無參數注意力機制模塊對輸入的特征圖依次進行通道維度變換操作和特征分割操作獲取分割特征，該分割特征根據布爾參數c3k的取值進行路徑選擇，選擇多個C3kSimAM模塊組成的分支路徑或多個Bottleneck模塊對該分割特征進行處理。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人泉州裝備制造研究所，其通訊地址為：362000 福建省泉州市臺商投資區洛陽鎮上浦村吉貝511號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。