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！

龍圖騰網恭喜南京航空航天大學申請的專利面向遙感圖像弱小目標的融合多層級特征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：CN113723172B 。

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：202110690152.9，技術領域涉及：G06V20/13；該發明授權面向遙感圖像弱小目標的融合多層級特征目標檢測方法是由朱桂熠;劉勇;施天俊;張琨;張寅;閆鈞華;朱德燕設計研發完成，并于2021-06-11向國家知識產權局提交的專利申請。

本面向遙感圖像弱小目標的融合多層級特征目標檢測方法在說明書摘要公布了：本發明涉及一種面向遙感圖像弱小目標的融合多層級特征目標檢測方法，所述方法基于卷積神經網絡和遙感圖像弱小目標的多層級特征，通過端到端的目標檢測網絡，提升對遙感圖像弱小目標的檢測精度。本發明基于實際工程中遙感圖像弱小目標存在尺寸小，如：幾十個像素、特征弱的特性，提出一種針對此類弱小目標的檢測方法，該方法通過卷積神經網絡逐層提取目標特征、跨層級通道融合目標特征、位置注意力機制聚合目標特征及雙支路特征圖預測目標，形成端到端的目標檢測網絡，以達到對遙感圖像弱小目標進行高精度高速率檢測的目的。實驗表明，本發明可以有效提升遙感圖像弱小目標檢測的查全率和查準率。

本發明授權面向遙感圖像弱小目標的融合多層級特征目標檢測方法在權利要求書中公布了：1.一種面向遙感圖像弱小目標的融合多層級特征目標檢測方法，其特征在于，所述方法基于卷積神經網絡和遙感圖像弱小目標的多層級特征，通過卷積神經網絡逐層提取目標特征、跨層級通道融合目標特征、位置注意力機制聚合目標特征及雙支路特征圖預測目標，形成端到端的目標檢測網絡，實現對弱小目標的精準檢測；所述檢測方法的具體過程為：步驟1：將存在弱小目標的遙感圖像輸入卷積神經網絡，由主干特征提取網絡對遙感圖像進行采樣，形成圖像特征金字塔；由主干特征提取網絡對遙感圖像連續進行四次下采樣，對應層級編號為pii＝0,1,2,3,4；步驟2：對所述圖像特征金字塔中的部分層級進行翻倍的上采樣和下采樣操作，并對相鄰特征提取層上下級特征進行融合，提取融合特征；對所述圖像特征金字塔p2、p3、p4層進行兩倍上采樣和兩倍下采樣操作，并對相鄰特征提取層上下級特征進行融合；增加一條跨層級通道特征融合路徑，進行跨層級通道特征融合，進一步提取融合特征；所述跨層級通道特征融合具體為：對圖像特征金字塔中的p2、p3、p4層分別通過最近鄰插值法進行上采樣操作，通過卷積進行下采樣操作，并對相鄰特征提取層上下級特征進行融合，提取具有目標紋理信息和語義信息的更有效特征；同時，特征金字塔的p2、p3、p4層均存在特征融合的輸入及輸出節點，在中間層級的輸入及輸出節點之間額外增加一條特征融合路徑，融合更多通道特征；最后，輸出跨層級多通道融合后的雙支路特征圖；所述的特征融合由下式表示： 式中，↑2×表示通過最近鄰插值法對特征圖進行兩倍上采樣操作；↓2×表示通過卷積對特征圖進行兩倍下采樣操作；和為跨層級通道特征融合后的特征圖輸出；式中的第三項p3即為增加的一條跨層級通道特征融合路徑；步驟3：通過空間特征聚合模塊聚合特征，進行雙支路特征圖弱小目標預測；最后利用非極大值抑制算法Non-MaximumSuppressionNMS，得到弱小目標檢測結果。

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南京航空航天大學，其通訊地址為：210016 江蘇省南京市秦淮區御道街29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”。