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！

龙图腾网恭喜广东工业大学申请的专利一种基于深度学习的水下目标检测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：CN118196396B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202410467026.0，技术领域涉及：G06V10/25；该发明授权一种基于深度学习的水下目标检测方法是由谢国波;梁立辉;陈浩畅;苏庆;林志毅;黄剑锋设计研发完成，并于2024-04-18向国家知识产权局提交的专利申请。

本一种基于深度学习的水下目标检测方法在说明书摘要公布了：本发明提供了一种基于深度学习的水下目标检测方法，包括以下步骤：采集水下目标检测数据集，对数据集进行预处理，筛选合格的图像数据，平衡各个类别水下目标样本数量，并对所构建的数据集进行标注；本发明通过结合注意力机制和PReLU激活函数，我们构建了一种全新的目标检测头，称为PRHead。这个PRHead具有动态的特性，能够更好地适应不同目标检测任务的需求。利用注意力机制可以使模型更加集中地关注重要的目标区域，而PReLU激活函数则能够提高模型的非线性拟合能力，进一步增强了PRHead的表达能力，使用本发明提出的方法训练的水下目标检测模型具有更高的检测精度，模型的参数量和计算量更少，满足水下目标检测任务对模型轻量化和高实时性的要求。

本发明授权一种基于深度学习的水下目标检测方法在权利要求书中公布了：1.一种基于深度学习的水下目标检测方法，其特征在于，包括以下步骤：S1、采集水下目标检测数据集，对数据集进行预处理，筛选合格的图像数据，平衡各个类别水下目标样本数量，并对所构建的数据集进行标注；S2、将得到的输入特征图进行分割并拼接，得到目标尺寸的特征图，将特征图沿通道维度切分为两部分，并进行后续处理；S3、结合CIoU和NWD，设计相应的NWD-CIoU损失函数，用于模型训练过程中的定位回归损失；CIoU和NWD的公式分别如式1、2所示： 式中，IoU表示预测框与真实框的交并比，b和bgt分别为预测框与真实框的中心点，ρb,bgt为两个中心点的欧式距离，cw和ch分别表示由预测框和真实框组成的最小包围框的宽度和高度，wgt和hgt分别表示真实框的宽度和高度，w和h分别表示预测框的宽度和高度，Z是数据集类别数，W22Na,Nb是一个二阶Wasserstein距离定义，其中Na和Nb分别代表边界框A＝cxa,cya,wa,ha和边界框B＝cxb,cyb,wb,hb的高斯建模分布，||·||F是Frobenius范数；将CIoU和NWD结合作为新的定位回归损失函数NWD-CIoU，NWD-CIoU的计算公式如式4所示；LNWD-CIoU＝α·LCIoU+1-α·LNWD4式中，α为CIoU的权重占比；S4、动态调整特征图中不同尺度特征的权重，以增强模型对空间信息的感知能力，同时，调整不同位置的注意力权重；S5、在构建的水下目标检测模型的基础上，训练并更新各层的参数，首先，初始化参数，并设置训练过程中所需的超参数；然后，将处理过的水下目标数据集划分为训练集、验证集和测试集；接着，训练模型并根据训练损失和验证损失调整模型参数，直到损失值收敛为止；S6、使用训练好的模型对新的水下目标图像进行检测。

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广东工业大学，其通讯地址为：510006 广东省广州市越秀区东风东路729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”。