買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜北京信息科技大學申請的專利一種基于矩形可變形卷積的遙感圖像目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117710661B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410009296.7，技術領域涉及：G06F30/27；該發明授權一種基于矩形可變形卷積的遙感圖像目標檢測方法是由滕尚志;呂學強;韓晶;游新冬設計研發完成，并于2024-01-04向國家知識產權局提交的專利申請。

本一種基于矩形可變形卷積的遙感圖像目標檢測方法在說明書摘要公布了：本發明公開了一種基于矩形可變形卷積的遙感圖像目標檢測方法，屬于目標檢測技術領域，包括利用遙感圖像目標檢測數據集訓練改進的OrientedRCNN模型；其中，設計矩形可變形卷積替換卷積神經網絡中的一般卷積，在特征金字塔網絡中加入了高級和低級特征融合模塊并應用子像素卷積生成高分辨率特征圖，刪除檢測頭的兩個共享的全連接層并在分類和回歸分支分別使用適配網絡，得到改進的OrientedRCNN模型；將改進的OrientedRCNN模型用于遙感圖像目標檢測中。本發明使用了矩形可變形卷積能夠更好地適應遙感圖像目標的幾何變換，特征融合模塊用于檢索尺度較小的目標。本發明可獲得更好的目標檢測精度。

本發明授權一種基于矩形可變形卷積的遙感圖像目標檢測方法在權利要求書中公布了：1.一種基于矩形可變形卷積的遙感目標檢測方法，其特征在于，包括：獲取并處理遙感圖像數據集，對遙感圖像數據集進行劃分；利用遙感圖像數據集訓練改進的OrientedRCNN模型；所述改進的OrientedRCNN模型的網絡結構是指用矩形可變形卷積替換OrientedRCNN卷積神經網絡中的一般卷積，在特征金字塔網絡中加入了高級和低級特征融合模塊，刪除檢測頭的兩個共享的全連接層并在分類和回歸分支分別使用適配網絡；可變形卷積是在傳統卷積核的基礎之上為每個特征點引入一個可學習的二維偏移量，代表x、y軸方向上的偏移，使得卷積核可以在不規則的網格上進行卷積操作，而不是固定的方形網格，，其中是特征圖的每一個點，與卷積核中心點對應，是卷積核的每一個位置；所述矩形可變形卷積通過修改生成的可學習的二維偏移量，使得最后的卷積核形狀為旋轉矩形，而不是任意的不規則形狀；所述高級和低級特征融合模塊是指，集成低級和高級特征來提取不同粒度特征并采用子像素卷積進行上采樣生成高分辨率的特征圖；對高級特征h執行最近鄰插值上采樣；將1×1卷積應用于低級特征l；其中，高級特征為網絡更深層的輸出或HLFFM的輸出，低級特征為網絡較淺層的輸出；之后將高級與低級特征進行連接，使用子像素卷積生成更高分辨率的特征圖；最后，使用3×3卷積細化輸出；所述適配網絡通常由一個降維的全連接層，一個非線性激活函數，一個升維的全連接層和一個殘差連接組成，將之前根據圖像特征和候選區域框通過旋轉感興趣區域對齊得到的特征記為，將分別輸入分類適配網絡和回歸適配網絡，之后得到的新的分類特征和回歸特征分別用于后續類別分類和檢測框回歸。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京信息科技大學，其通訊地址為：100192 北京市海淀區清河小營東路12號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。