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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西安電子科技大學(xué)申請的專利基于多層級特征融合和聯(lián)合定位的遙感圖像目標(biāo)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116758263B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-16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?zhí)?專利號為：202310586691.7，技術(shù)領(lǐng)域涉及：G06V10/22；該發(fā)明授權(quán)基于多層級特征融合和聯(lián)合定位的遙感圖像目標(biāo)檢測方法是由王海;張蕾;張敏;周科學(xué)設(shè)計研發(fā)完成，并于2023-05-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于多層級特征融合和聯(lián)合定位的遙感圖像目標(biāo)檢測方法在說明書摘要公布了：本發(fā)明提出了一種基于多層級特征融合和聯(lián)合定位的遙感圖像目標(biāo)檢測方法，主要解決現(xiàn)有背景復(fù)雜下，對于方向任意、尺度不一的目標(biāo)檢測困難的問題。包括：1使用ResNet50和FPN進行特征提取和融合，得到融合后的三層特征圖；2使用改進后的多層級特征融合模塊和平衡坐標(biāo)注意力機制模塊對特征圖進行多層級特征融合和特征權(quán)重分配，生成不同尺度的特征圖；3在檢測頭網(wǎng)絡(luò)中設(shè)計包括粗略定位模塊和細(xì)化定位模塊；4將不同尺度的特征圖送入檢測頭網(wǎng)絡(luò)，進行粗?細(xì)聯(lián)合定位，完成目標(biāo)的分類與回歸，獲取最終檢測結(jié)果。本發(fā)明有效提高了對具有小尺度、排列緊密和方向任意等特性目標(biāo)的檢測精度，可用于遙感圖像目標(biāo)檢測任務(wù)。

本發(fā)明授權(quán)基于多層級特征融合和聯(lián)合定位的遙感圖像目標(biāo)檢測方法在權(quán)利要求書中公布了：1.一種基于多層級特征融合和聯(lián)合定位的遙感圖像目標(biāo)檢測方法，其特征在于，通過多層級特征融合模塊對特征金字塔網(wǎng)絡(luò)FPN的各層特征進行多層級特征融合，然后使用平衡坐標(biāo)注意力機制模塊對融合后的特征圖進行權(quán)重分配，最后通過粗-細(xì)聯(lián)合定位方法對目標(biāo)進行分類與回歸，實現(xiàn)對遙感圖像目標(biāo)檢測性能的提高；包括如下步驟：1采用ResNet50網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，將遙感圖像輸入該主干網(wǎng)絡(luò)，通過多組卷積和池化操作，在ResNet50網(wǎng)絡(luò)的最后四層輸出不同分辨率的多尺度特征圖，得到遙感圖像特征圖{C2,C3,C4,C5}；2對FPN網(wǎng)絡(luò)進行改進，即采用3×3可變形卷積替代FPN網(wǎng)絡(luò)中的1×1橫向連接方式，并將遙感圖像特征圖中的特征圖{C3,C4,C5}輸入改進后的FPN網(wǎng)絡(luò)進行特征融合，生成融合后的三層特征圖{N3,N4,N5}；3將融合后的三層特征圖{N3,N4,N5}輸入包含多個卷積層和池化層結(jié)構(gòu)的多層級特征融合模塊，對輸入特征圖進行卷積和池化操作來進行特征的提取和融合，具體是將相同尺度的特征圖為基礎(chǔ)特征圖，其余為輔助特征圖，以雙線性插值和平均池化方式進行上下采樣，生成具有多尺度信息的特征圖{M3,M4,M5}；4將包含兩個卷積核的卷積對作為共享卷積網(wǎng)絡(luò)，利用該共享卷積網(wǎng)絡(luò)代替坐標(biāo)注意力機制中的BatchNorm和Non-linear結(jié)構(gòu)，同時用ELU激活函數(shù)替代坐標(biāo)注意力機制中的ReLU激活函數(shù)，得到改進后平衡坐標(biāo)注意力機制模塊；將具有多尺度信息的特征圖輸入改進后平衡坐標(biāo)注意力機制模塊，得到不同尺度的特征圖；5將不同尺度的特征圖輸入檢測頭網(wǎng)絡(luò)Head進行檢測，該網(wǎng)絡(luò)包括粗略定位模塊和細(xì)化定位模塊，通過二者聯(lián)合進行目標(biāo)的分類與回歸；其中粗略定位模塊用于獲取目標(biāo)的粗略預(yù)測框和粗略分類分?jǐn)?shù)，然后由細(xì)化定位模塊對粗略預(yù)測框進行特征對齊，并利用粗略預(yù)測框和粗略分類分?jǐn)?shù)進行輔助回歸，完成目標(biāo)的分類與回歸，得到最終檢測結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號；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)”。