買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中國(guó)人民解放軍戰(zhàn)略支援部隊(duì)航天工程大學(xué)申請(qǐng)的專利一種遙感影像顯著目標(biāo)檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115115938B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210879580.0，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)一種遙感影像顯著目標(biāo)檢測(cè)方法是由夏魯瑞;藺崎輝;李森;陳雪旗;盧妍;張占月;王鵬設(shè)計(jì)研發(fā)完成，并于2022-07-25向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種遙感影像顯著目標(biāo)檢測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種遙感影像顯著目標(biāo)檢測(cè)方法，所述方法包括以下步驟：S1、獲取包含訓(xùn)練集和測(cè)試集的遙感影像數(shù)據(jù)，并構(gòu)建包括檢測(cè)特征編碼器和級(jí)聯(lián)特征解碼器的遙感影像顯著目標(biāo)檢測(cè)模型；S2、引入注意力機(jī)制、特征流動(dòng)機(jī)制和級(jí)聯(lián)解碼機(jī)制，并基于訓(xùn)練集的遙感影像數(shù)據(jù)對(duì)所述遙感影像顯著目標(biāo)檢測(cè)模型進(jìn)行訓(xùn)練，直至預(yù)設(shè)損失函數(shù)收斂后停止訓(xùn)練，獲取訓(xùn)練好的遙感影像顯著目標(biāo)檢測(cè)模型；S3、利用訓(xùn)練好的遙感影像顯著目標(biāo)檢測(cè)模型對(duì)所述測(cè)試集的遙感影像數(shù)據(jù)進(jìn)行顯著目標(biāo)預(yù)測(cè)，進(jìn)而輸出對(duì)應(yīng)的顯著圖。本發(fā)明基于級(jí)聯(lián)結(jié)構(gòu)進(jìn)行特征解碼，改善了遙感影像中小目標(biāo)漏檢和錯(cuò)檢的問(wèn)題，且提高了顯著區(qū)域的預(yù)測(cè)置信度，能夠預(yù)測(cè)出更準(zhǔn)確的顯著目標(biāo)邊界。

本發(fā)明授權(quán)一種遙感影像顯著目標(biāo)檢測(cè)方法在權(quán)利要求書(shū)中公布了：1.一種遙感影像顯著目標(biāo)檢測(cè)方法，其特征在于，所述方法包括以下步驟：S1、獲取包含訓(xùn)練集和測(cè)試集的遙感影像數(shù)據(jù)，并構(gòu)建包括檢測(cè)特征編碼器和級(jí)聯(lián)特征解碼器的遙感影像顯著目標(biāo)檢測(cè)模型；S2、引入注意力機(jī)制、特征流動(dòng)機(jī)制和級(jí)聯(lián)解碼機(jī)制，并基于訓(xùn)練集的遙感影像數(shù)據(jù)對(duì)所述遙感影像顯著目標(biāo)檢測(cè)模型進(jìn)行訓(xùn)練，直至預(yù)設(shè)損失函數(shù)收斂后停止訓(xùn)練，獲取訓(xùn)練好的遙感影像顯著目標(biāo)檢測(cè)模型；S3、利用訓(xùn)練好的遙感影像顯著目標(biāo)檢測(cè)模型對(duì)所述測(cè)試集的遙感影像數(shù)據(jù)進(jìn)行顯著目標(biāo)預(yù)測(cè)，進(jìn)而輸出對(duì)應(yīng)的顯著圖；所述檢測(cè)特征編碼器為密集注意力流動(dòng)編碼器，所述密集注意力流動(dòng)編碼器是基于VGG16網(wǎng)絡(luò)為主干網(wǎng)絡(luò)進(jìn)行改進(jìn)得到，其改進(jìn)過(guò)程為：移除所述VGG16網(wǎng)絡(luò)的最后三個(gè)全連接層，并在VGG16網(wǎng)絡(luò)的最后一級(jí)池化層前截?cái)?，進(jìn)而得到所述密集注意力流動(dòng)編碼器；所述步驟S2的具體實(shí)現(xiàn)方式包括：S21、引入注意力機(jī)制，從改進(jìn)后的VGG16網(wǎng)絡(luò)中提取每一部分最后一層的輸出特征，并基于預(yù)設(shè)空間像素關(guān)系矩陣合并輸出特征維度以構(gòu)建像素之間的運(yùn)算矩陣，進(jìn)而實(shí)現(xiàn)對(duì)各個(gè)像素之間的關(guān)系進(jìn)行表示；S22、基于像素之間的運(yùn)算矩陣進(jìn)行歸一化處理以獲取注意力權(quán)重，并將合并維度后的輸出特征與注意力權(quán)重相乘，得到使用空間自注意力加權(quán)后的特征；S23、利用殘差連接方式將所述輸出特征與使用空間注意力加權(quán)后的特征相加，并通過(guò)銜接通道注意力機(jī)制，得到輸出的深層特征，其過(guò)程用公式表示為：F＝CAf+δ·f*Re-1Ref⊙R式中，Re-1表示輸出特征合并維度的逆操作，R表示像素關(guān)系矩陣，*表示逐元素相乘，δ表示一個(gè)可學(xué)習(xí)系數(shù)，CA·表示通道注意力機(jī)制，f表示主干網(wǎng)絡(luò)輸出初始特征；S24、將所述深層特征進(jìn)行上采樣和1×1卷積，以將所述深層特征與當(dāng)前特征的大小和通道調(diào)整為一致；S25、基于預(yù)設(shè)的逐步拼接模塊，從當(dāng)前特征的下一層按照由淺層到深層的順序?qū)⒔?jīng)過(guò)上采樣和1×1卷積后的深層特征與當(dāng)前特征進(jìn)行拼接；S26、將拼接后特征的通道數(shù)調(diào)整為檢測(cè)特征編碼器輸出的深層特征的通道數(shù)，并輸入級(jí)聯(lián)特征解碼器中進(jìn)行解碼；S27、利用Sigmoid函數(shù)對(duì)級(jí)聯(lián)特征解碼器的最后輸出進(jìn)行激活，進(jìn)而完成遙感影像顯著目標(biāo)檢測(cè)模型的訓(xùn)練。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)人民解放軍戰(zhàn)略支援部隊(duì)航天工程大學(xué)，其通訊地址為：101416 北京市懷柔區(qū)八一路1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。