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！

龍圖騰網恭喜華東交通大學申請的專利基于改進RetinaNet的遙感圖像目標檢測模型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：CN117710827B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202410169692.6，技術領域涉及：G06V20/10；該發明授權基于改進RetinaNet的遙感圖像目標檢測模型是由劉偉;康紫文;程路;鄭宇超;周慶忠;于洋設計研發完成，并于2024-02-06向國家知識產權局提交的專利申請。

本基于改進RetinaNet的遙感圖像目標檢測模型在說明書摘要公布了：本發明提供一種基于改進RetinaNet的遙感圖像目標檢測模型，本發明引入了改進的下采樣模塊，將其嵌入到RetinaNet骨干網絡中，融合三種下采樣方法對提取到的特征來生成下采樣圖像特征，增強模型捕獲復雜細節的能力，利用核選擇模塊的卷積核選擇機制動態選擇空間感受野，增強模型提取并融合多尺度特征信息的能力，進而對多尺度的信息進行建模，最后得到目標物體的分類和回歸結果，實驗結果表明，本發明的模型在大規模遙感圖像目標檢測數據集DOTA上的全類平均準確率優于傳統的RetinaNet目標檢測模型，能夠更精確地檢測遙感目標。

本發明授權基于改進RetinaNet的遙感圖像目標檢測模型在權利要求書中公布了：1.一種基于改進RetinaNet的遙感圖像目標檢測系統，包括RetinaNet骨干網絡、特征金字塔和分類回歸子網，其特征在于，在所述RetinaNet骨干網絡中引入改進的下采樣模塊，所述系統還包括核選擇模塊；所述骨干網絡在進行殘差學習時采用所述改進的下采樣模塊進行下采樣，所述改進的下采樣模塊將輸入的圖像特征P復制為圖像特征P1和圖像特征P2，其中，P∈RH×W×C，R表示實數，W、H和C分別表示圖像特征的寬度、高度和通道數量，所述改進的下采樣模塊對圖像特征P1進行切片下采樣，經過切片處理得到四個空間下采樣后的圖像特征C1、C2、C3和C4，切片下采樣的過程，在通道維度，拼接圖像特征C1、C2、C3和C4，得到新的圖像特征，經過拼接，使圖像特征P1的通道數量由C增加到4C，接著，再使用步長為1的1×1卷積運算將新的圖像特征的通道數量壓縮為2C，得到圖像特征Q1；所述改進的下采樣模塊對圖像特征P2采用兩個分支進行處理，在其中一個分支，使用步長為1、尺寸為3×3的分組卷積GConv處理，然后使用步長為2的3×3卷積進行下采樣，并使用GELU激活函數和歸一化層，得到圖像特征Q2；在另一個分支上，使用步長為1、尺寸為3×3的分組卷積GConv處理，并做最大池化和歸一化處理，得到圖像特征Q3；在通道方向上拼接圖像特征Q1、Q2和Q3，并在拼接結果上使用1×1卷積層，得到圖像特征；所述核選擇模塊根據輸入圖像的特性動態選擇多種不同的卷積核融合特征；所述改進的下采樣模塊對圖像特征P1進行切片下采樣的過程中，滿足以下條件式：Q1=ConvCutDP1；Q2=GELUBNDWConvDGConvP2；Q3=BNMaxPGConvP2；其中，式中，Conv、CutD、GELU、BN、DWConvD、GConv、MaxP分別表示卷積、切片處理、GELU激活函數、批量歸一化、深度卷積、分組卷積和最大池化操作；圖像特征滿足以下條件式： ；其中，Concat表示在通道方向上連接特征的操作；在系統的檢測任務頭中，對于輸入的圖像特征K，所述核選擇模塊利用卷積核大小為3×3、5×5、7×7的三個空洞卷積來學習多尺度空間信息，得到三個不同尺度感受野的圖像特征X1、X2、X3，其中，X1∈RH×W×C，X2∈RH×W×C，X3∈RH×W×C，接著，使用通道拼接融合X1、X2、X3，得到圖像特征X，并在通道方向上拼接圖像特征X的平均池化和最大池化的結果，然后，相繼使用卷積和Sigmoid函數獲取獨立的空間選擇掩碼，再使用空間選擇掩碼對X1、X2、X3分別加權，分別得到圖像特征F1、F2、F3，最后，對F1、F2、F3逐元素相加，得到帶有注意力的融合特征，并將融合特征和輸入的圖像特征K進行逐元素相乘，獲得圖像特征；圖像特征X1、X2、X3滿足以下條件式：X2=DWConvX1；X3=DWConvX2；其中，DWConv表示空洞卷積；圖像特征滿足以下條件式： 。

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華東交通大學，其通訊地址為：330013 江西省南昌市經濟技術開發區雙港東大街808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”。