Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 石家庄铁道大学张云佐获国家专利权

石家庄铁道大学张云佐获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉石家庄铁道大学申请的专利一种基于自适应下采样和尺度增强检测头的遥感图像目标检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120032249B

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510099535.7,技术领域涉及:G06V20/10;该发明授权一种基于自适应下采样和尺度增强检测头的遥感图像目标检测方法是由张云佐;刘婷;涂志伟;王彤;程煜;王凯;仇紫悦;李滢旭;赵旭静设计研发完成,并于2025-01-22向国家知识产权局提交的专利申请。

一种基于自适应下采样和尺度增强检测头的遥感图像目标检测方法在说明书摘要公布了:本发明公开了一种基于自适应下采样和尺度增强检测头的遥感图像目标检测方法。所述方法包括如下步骤:获取遥感图像数据集、预处理;搭建遥感图像目标检测模型,在特征提取阶段利用动态特征提取模块,调整特征提取网络的感受野,以获得小目标的周围信息;在特征融合阶段采用自适应下采样模块,保留小目标的关键特征;在预测阶段使用尺度增强检测头通过共享卷积为分类和回归任务提供最佳的特征表示,提高小目标的检测精度并降低参数量;构建模型损失函数;利用训练集迭代训练模型,直至模型收敛;将测试集的图像输入到最优的检测模型中获得检测结果。所述方法有效提高了遥感图像微小目标的检测精度,并降低了模型的参数量。

本发明授权一种基于自适应下采样和尺度增强检测头的遥感图像目标检测方法在权利要求书中公布了:1.一种基于自适应下采样和尺度增强检测头的遥感图像目标检测方法,其特征在于,所述方法包括: 步骤1:获取遥感图像目标检测数据集; 步骤2:对遥感图像数据集进行预处理; 步骤3:建立遥感图像目标检测模型; 在特征提取阶段,利用动态特征提取模块,灵活调整特征提取网络的感受野,以获得微小目标的上下文信息;所述动态特征提取模块通过1×1卷积将通道维度划为两个分支,其中一个分支直接传递给输出,另一个分支通过动态感知单元进行处理,通过设置不同的空洞率来捕获不同尺度下的特征,从而动态地调整有效感受野;所述动态感知单元是由膨胀重参数模块、通道注意力和前馈网络组成;所述膨胀重参数模块由多个膨胀卷积组成;所述通道注意力由全局平均池化、全连接层和激活函数组成;所述前馈网络由线性变化操作、激活函数和归一化操作组成;然后,将两个分支的特征进行拼接;最后,通过1×1卷积调整通道数得到输出; 在特征融合阶段,利用自适应下采样模块,强调特征图中不同区域重要性,保留小目标的关键信息特征,以实现高效且自适应的下采样;所述自适应下采样模块由权重分支和下采样分支构成;权重分支需要特征重排将特征图的每个2×2区域提取为单独的一组信息;每个2×2区域对应4个元素,其分别来自该区域内的左上角、右上角、左下角和右下角像素;每个小区域的四个值进行概率分布,得到小区域内各位置的关注度,帮助模型聚焦特征图中重要的区域,更精确地提取小目标特征; 在预测阶段,尺度增强检测头采用解耦头的设计理念,由四个解耦头组成能够预测微小、小、中、大目标的检测头;同时,通过共享卷积来提取分类和回归任务的特征用于预测边界框位置和目标类别的概率,以减少模型的参数量; 步骤4:构建目标检测损失函数,进行迭代训练; 步骤5:将训练好的权重用于测试集,输出检测结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人石家庄铁道大学,其通讯地址为:050043 河北省石家庄市长安区北二环东路17号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。