基于特征增强与多层级融合的YOLOv3目标检测方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了基于特征增强与多层级融合的YOLOv3目标检测方法，属于计算机视觉技术领域，所述检测方法是分别在骨干结构和特征融合部分对原有YOLOv3网络结构进行优化，包括：S1，骨干结构部分引入残差网络形成双分支骨干网络结构；S2，双分支骨干网络分支结构引入空间可分离卷积形成特征增强的双分支骨干网络结构；S3，建立多层级特征融合结构；S4，特征融合部分特征金字塔结构引入多层级特征融合结构并加入空洞卷积模块形成基于多层级特征融合的特征金字塔结构；S5，进行训练测试，并进行可视化分析。本发明使YOLOv3网络在检测精度上有更进一步的提升，并增强了YOLOv3网络对图像位置的信息定位能力。

《基于特征增强与多层级融合的YOLOv3目标检测方法（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 202210587651X，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2022-05-26，公开（公告）日期为2024-08-16，国际专利分类号（IPC）为 G06V 10/80 (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：本发明公开了基于特征增强与多层级融合的YOLOv3目标检测方法，属于计算机视觉技术领域，所述检测方法是分别在骨干结构和特征融合部分对原有YOLOv3网络结构进行优化，包括：S1，骨干结构部分引入残差网络形成双分支骨干网络结构；S2，双分支骨干网络分支结构引入空间可分离卷积形成特征增强的双分支骨干网络结构；S3，建立多层级特征融合结构；S4，特征融合部分特征金字塔结构引入多层级特征融合结构并加入空洞卷积模块形成基于多层级特征融合的特征金字塔结构；S5，进行训练测试，并进行可视化分析。本发明使YOLOv3网络在检测精度上有更进一步的提升，并增强了YOLOv3网络对图像位置的信息定位能力。

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！