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！

龙图腾网获悉哈尔滨工业大学(鞍山)工业技术研究院申请的专利一种基于多信息注意力融合网络的交通标志检测与识别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：CN116958936B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310949300.3，技术领域涉及：G06V20/58；该发明授权一种基于多信息注意力融合网络的交通标志检测与识别方法是由赵一帆;王常虹;钟佳朋;李远伟;蔡畅设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于多信息注意力融合网络的交通标志检测与识别方法在说明书摘要公布了：本发明提供了一种基于多信息注意力融合网络的交通标志检测与识别方法，设计MIAF‑Net模型，兼顾检测的精度和速度。包括：步骤一、构建并初始化MIAF‑Net模型：包括由Conv模块和设计的FCSP模块搭建的主干网络，由FPN特征聚合网络、PAN特征聚合网络和前景感知注意力模块FPA组成的颈部网络，多尺度信息融合的检测头MIFH；步骤二、采用主干网络对输入的图像进行特征提取，采用颈部网络对主干网络输出的多尺度特征进行融合，根据融合后的特征，采用多尺度信息融合的检测头MIFH对特征进行解耦，按照设定的规则对特征进行提取、融合和解耦；步骤三、初始化MIAF‑Net模型超参数，用道路交通标志训练集对模型进行训练，使用训练好的模型对道路交通标志进行检测与识别，输出结果。

本发明授权一种基于多信息注意力融合网络的交通标志检测与识别方法在权利要求书中公布了：1.一种基于多信息注意力融合网络的交通标志检测与识别方法，其特征在于，所述方法采用设计的MIAF-Net模型进行街道级交通标志检测和识别，兼顾检测的精度和速度；具体包括如下步骤： 步骤一、构建并初始化MIAF-Net模型，所述的MIAF-Net模型包括：由Conv模块和设计的FCSP模块搭建的主干网络，由FPN特征聚合网络、PAN特征聚合网络和前景感知注意力模块FPA组成的颈部网络，多尺度信息融合的检测头MIFH； 步骤二、采用所述的主干网络对输入的图像进行特征提取，采用所述的颈部网络对所述的主干网络输出的多尺度特征进行融合，根据融合后的特征，采用所述的多尺度信息融合的检测头MIFH对特征进行解耦，按照设定的规则对特征进行提取融合和解耦； 步骤三、初始化MIAF-Net模型超参数，采用道路交通标志训练集对MIAF-Net模型进行训练，并使用训练好的MIAF-Net模型对道路交通标志进行检测与识别，输出结果； 所述步骤一中，由FPN特征聚合网络、PAN特征聚合网络和前景感知注意力模块FPA组成的颈部网络，将不同尺度特征中的语义和位置信息进行融合，具有自上而下和自下而上的两级特征融合模型，包括： 1采用FPN特征聚合网络与前景感知注意力模块FPA结合的自上而下第一级特征融合模型； 2采用PAN特征聚合网络与前景感知注意力模块FPA结合的自下而上第二级特征融合模型； 所述步骤二中的按照设定的规则对特征进行提取、融合和解耦，包括如下步骤： 1将输入图像输入至主干网络，经由主干网络对输入图像进行特征提取，主干网络有5个分支的特征输出：C1分支、C2分支、C3分支、C4分支和C5分支的特征输出； 2将主干网络C2分支至C5分支的输出送至第一级特征融合模型，第一级特征融合模型包括四层，第一层至第三层采用级联残差和前景感知注意力模块FPA进行融合，第四层只通过前景感知注意力模块FPA进行输出，获得第一级融合特征； 3将第一级特征融合模型的输出送至第二级特征融合模型，第二级特征融合模型包括四层，第一层只通过前景感知注意力模块FPA进行输出，第二层至第四层采用级联残差进行融合和前景感知注意力模块FPA进行融合，获得第二级融合特征； 4将第二级融合特征作为输入，采用多尺度信息融合的检测头对特征进行解耦，输出图像中交通标志的类别和位置。

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哈尔滨工业大学(鞍山)工业技术研究院，其通讯地址为：114000 辽宁省鞍山市千山中路196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”。

以上内容由龙图腾AI智能生成。