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！

龙图腾网获悉淮阴工学院申请的专利一种基于知识蒸馏的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：CN117292192B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202311282250.4，技术领域涉及：G06V10/764；该发明授权一种基于知识蒸馏的目标检测方法是由徐贵龙;胡荣林;李文超;郁延山;陈楚璇;邵逸达;王忆雯;李轩雨设计研发完成，并于2023-09-28向国家知识产权局提交的专利申请。

本一种基于知识蒸馏的目标检测方法在说明书摘要公布了：本发明公开了一种基于知识蒸馏的目标检测方法，包括构建教师‑助教‑学生模型，利用预训练的教师模型获取图像的多层次特征图；利用助教模块对特征图上采样、拼接，空间注意力处理后，将教师模型提取的多尺度特征图融合为一张特征图；利用学生模型对传递来的特征图进行多次反卷积计算获得与教师模型提取的特征维度相同的特征图；对教师模型和学生模型两者得出的特征图计算余弦相似度并通过双线性插值采样还原计算结果图至输入图像大小，再取积得到特征图Ma1，计算特征图Ma1中每一个值的特征得分，绘制图像热力图。本发明提升了目标检测效果。

本发明授权一种基于知识蒸馏的目标检测方法在权利要求书中公布了：1.一种基于知识蒸馏的目标检测方法，其特征在于，包括： 1构建教师-助教-学生模型，其中教师模型包括P-conv以及四层堆叠的卷积层Layer1至Layer4；助教模型包括四层特征处理层Af1至Af4、特征拼接层、空间注意力模块和Bottleneck卷积块，特征处理层Af1包括三个卷积块，特征处理层Af2包括两个卷积块，特征处理层Af3和Af4均包括一个卷积块，卷积块由卷积层、批归一化层BatchNorm和Relu激活函数层依次连接而成；学生模型包括四层堆叠的反卷积层Slayer1至Slayer4； 预训练的教师模型提取图像的两组深层特征图F1、F2和两组浅层特征图F3、F4，并输入助教模型；特征图F1至F4大小依次递增；深层特征图F1输入特征处理层Af1得到特征图Al1；深层特征图F2输入特征处理层Af2得到特征图Al2；浅层特征图F3输入特征处理层Af3得到特征图Al3；浅层特征图F4经下采样得到特征图Al4；特征图Al1至Al4维度一致；特征图Al1、Al2，Al2、Al3，Al3，Al4两两拼接后，得到特征图A1，A2，A3；特征图A1，A2，A3分别经过特征处理层Af4和空间注意力模块处理后，进行横向拼接，得到一张特征图At；特征图At经过Bottleneck卷积块加速计算后，输入学生模型；将特征图At输入反卷积层Slayer1得到特征图F5；将特征图F5输入反卷积层Slayer2得到特征图F6；将特征图F6输入反卷积层Slayer3得到特征图F7；将特征图F7输入反卷积层Slayer4得到特征图F8； 2对教师-助教-学生模型进行训练，其中教师模型参数固定，不参与训练；学生模型和助教模块参与训练；分别计算F1与F8，F2与F7，F3与F6，F4与F5的余弦相似度，取均值后相加作为损失函数； 3将待检测图像输入经训练的教师-助教-学生模型，教师模型和学生模型分别得到张特征图，分别计算四组特征图的余弦相似度；通过双线性插值采样将特征图恢复到原图尺寸，得出的四组经过双线性采样升维的余弦相似度计算结果取积运算得到特征图Ma1，使用高斯滤波对Ma1进行平滑处理后，计算Ma1中每一个值的特征得分，获取特征得分图；根据特征得分图绘制图像热力图，特征得分越高，在图像热力图中越亮，从而实现目标检测。

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淮阴工学院，其通讯地址为：223100 江苏省淮安市洪泽区东七街三号高新技术产业园A12-2(淮阴工学院技术转移中心洪泽分中心)；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”。