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！

龍圖騰網恭喜中國人民解放軍戰略支援部隊航天工程大學申請的專利一種遙感影像顯著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：CN115115938B 。

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：202210879580.0，技術領域涉及：G06V10/25；該發明授權一種遙感影像顯著目標檢測方法是由夏魯瑞;藺崎輝;李森;陳雪旗;盧妍;張占月;王鵬設計研發完成，并于2022-07-25向國家知識產權局提交的專利申請。

本一種遙感影像顯著目標檢測方法在說明書摘要公布了：本發明公開了一種遙感影像顯著目標檢測方法，所述方法包括以下步驟：S1、獲取包含訓練集和測試集的遙感影像數據，并構建包括檢測特征編碼器和級聯特征解碼器的遙感影像顯著目標檢測模型；S2、引入注意力機制、特征流動機制和級聯解碼機制，并基于訓練集的遙感影像數據對所述遙感影像顯著目標檢測模型進行訓練，直至預設損失函數收斂后停止訓練，獲取訓練好的遙感影像顯著目標檢測模型；S3、利用訓練好的遙感影像顯著目標檢測模型對所述測試集的遙感影像數據進行顯著目標預測，進而輸出對應的顯著圖。本發明基于級聯結構進行特征解碼，改善了遙感影像中小目標漏檢和錯檢的問題，且提高了顯著區域的預測置信度，能夠預測出更準確的顯著目標邊界。

本發明授權一種遙感影像顯著目標檢測方法在權利要求書中公布了：1.一種遙感影像顯著目標檢測方法，其特征在于，所述方法包括以下步驟：S1、獲取包含訓練集和測試集的遙感影像數據，并構建包括檢測特征編碼器和級聯特征解碼器的遙感影像顯著目標檢測模型；S2、引入注意力機制、特征流動機制和級聯解碼機制，并基于訓練集的遙感影像數據對所述遙感影像顯著目標檢測模型進行訓練，直至預設損失函數收斂后停止訓練，獲取訓練好的遙感影像顯著目標檢測模型；S3、利用訓練好的遙感影像顯著目標檢測模型對所述測試集的遙感影像數據進行顯著目標預測，進而輸出對應的顯著圖；所述檢測特征編碼器為密集注意力流動編碼器，所述密集注意力流動編碼器是基于VGG16網絡為主干網絡進行改進得到，其改進過程為：移除所述VGG16網絡的最后三個全連接層，并在VGG16網絡的最后一級池化層前截斷，進而得到所述密集注意力流動編碼器；所述步驟S2的具體實現方式包括：S21、引入注意力機制，從改進后的VGG16網絡中提取每一部分最后一層的輸出特征，并基于預設空間像素關系矩陣合并輸出特征維度以構建像素之間的運算矩陣，進而實現對各個像素之間的關系進行表示；S22、基于像素之間的運算矩陣進行歸一化處理以獲取注意力權重，并將合并維度后的輸出特征與注意力權重相乘，得到使用空間自注意力加權后的特征；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后的特征相加，并通過銜接通道注意力機制，得到輸出的深層特征，其過程用公式表示為：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表示像素關系矩陣，*表示逐元素相乘，δ表示一個可學習系數，CA·表示通道注意力機制，f表示主干網絡輸出初始特征；S24、將所述深層特征進行上采樣和1×1卷積，以將所述深層特征與當前特征的大小和通道調整為一致；S25、基于預設的逐步拼接模塊，從當前特征的下一層按照由淺層到深層的順序將經過上采樣和1×1卷積后的深層特征與當前特征進行拼接；S26、將拼接后特征的通道數調整為檢測特征編碼器輸出的深層特征的通道數，并輸入級聯特征解碼器中進行解碼；S27、利用Sigmoid函數對級聯特征解碼器的最后輸出進行激活，進而完成遙感影像顯著目標檢測模型的訓練。

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中國人民解放軍戰略支援部隊航天工程大學，其通訊地址為：101416 北京市懷柔區八一路1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”。