一种改进YOLOv4-tiny网络的目标检测算法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种改进YOLOv4‑tiny网络的目标检测算法，属于计算机视觉目标检测技术领域，包括以下步骤：骨干结构中卷积模块的激活函数修改为RReLU激活函数；特征融合部分有效特征层传递特征信息阶段改进为双分支结构，残差分支引入膨胀卷积提取浅层特征，与另一分支提取的特征进行特征融合，融合后特征信息与空残差边保留的原特征信息进行特征整合；在特征融合部分中改进的双分支结构的输入阶段和下层有效特征层上采样阶段添加CA注意力机制；改进YOLO Head部分为双分支结构分别分配边界框位置预测及生成和特征分类的任务，并引入全局平均池化协助特征分类任务。本发明能够提高检测精度，大大加强对小目标的检测效果。

《一种改进YOLOv4-tiny网络的目标检测算法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2022105926627，当前法律状态为已下证，由燕山大学提出申请，发明人为刘浩然;王鹏举;李晨冉;乔月琪;崔晗;程金涛;李文婧;马子旋，申请日期为2022-05-27，公开（公告）日期为2025-04-25，国际专利分类号（IPC）为 G06V 10/764 (2022.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种改进YOLOv4‑tiny网络的目标检测算法，属于计算机视觉目标检测技术领域，包括以下步骤：骨干结构中卷积模块的激活函数修改为RReLU激活函数；特征融合部分有效特征层传递特征信息阶段改进为双分支结构，残差分支引入膨胀卷积提取浅层特征，与另一分支提取的特征进行特征融合，融合后特征信息与空残差边保留的原特征信息进行特征整合；在特征融合部分中改进的双分支结构的输入阶段和下层有效特征层上采样阶段添加CA注意力机制；改进YOLO Head部分为双分支结构分别分配边界框位置预测及生成和特征分类的任务，并引入全局平均池化协助特征分类任务。本发明能够提高检测精度，大大加强对小目标的检测效果。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！