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！

龙图腾网获悉哈尔滨航天恒星数据系统科技有限公司申请的专利一种基于SAM的端到端遥感目标检测方法、电子设备及存储介质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：CN119251700B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202411394163.2，技术领域涉及：G06V20/13；该发明授权一种基于SAM的端到端遥感目标检测方法、电子设备及存储介质是由侯伟;王毅;吴敌;吴浩萌;刘泽;沈钰琳设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本一种基于SAM的端到端遥感目标检测方法、电子设备及存储介质在说明书摘要公布了：一种基于SAM的端到端遥感目标检测方法、电子设备及存储介质，属于遥感图像目标检测技术领域。为了将大模型技术应用于遥感领域，本发明采集RGB可见光遥感图像，构建遥感数据集；构建特征提取的并行双分支骨干网络；构建特征融合模块，将得到的特征提取的特征数据输入到特征融合模块中，输出特征融合的特征数据，输入到提示生成器中，生成提示信息数据；将特征融合的特征数据和提示信息数据，输入到冻结后的SAM的掩码解码器，计算掩码的水平最大的长和垂直最大的宽，以掩码的中心坐标绘制检测框实现对目标的检测；构建损失函数，所述损失函数包括语义头的分类损失、定位头的回归损失和冻结的SAM掩码解码器生成掩码的分割损失构成。

本发明授权一种基于SAM的端到端遥感目标检测方法、电子设备及存储介质在权利要求书中公布了：1.一种基于SAM的端到端遥感目标检测方法，其特征在于，包括如下步骤： S1.采集RGB可见光遥感图像，构建遥感数据集，分为训练集和测试集； S2.构建特征提取的并行双分支骨干网络，将步骤S1得到的遥感数据集中的训练集输入到特征提取的并行双分支骨干网络，输出特征提取的特征数据； 步骤S2的具体实现方法包括如下步骤： S2.1.构建特征提取的并行双分支骨干网络由冻结的SAM编码器和CSPDarknet53两个并行分支构成，冻结的SAM编码器为将SAM编码器的ViT编码器参数冻结； CSPDarknet53的结构由一个CGM块和五个FastCSP块构成，CGM块由卷积层、分组归一化GN层和Mish激活函数组成； S2.2.设置FastCSP块由两个分支构成，一个分支为卷积层构成，另一分支为卷积层、N个FastBlock块构成，将两个分支处理的结果输入到Concat函数，然后用一个卷积层进行平滑输出； 所述FastBlock块包括一个经过参数K的部分卷积层PConv和2个卷积层，并将处理的结果与输入相加的网络结构； 部分卷积层按照参数K将所有的数据通道C划分为两个部分，表达式为： Cj＝C-Ci 其中，Cj部分为进行正常的卷积，Ci部分为不做处理的卷积； S2.3.将步骤S1得到的遥感数据集中的训练集输入到特征提取的并行双分支骨干网络，设置CSPdarknet53的5个FastCSP块的输出特征为Xi，i＝0,1,2,3,4，将输出特征X2、X3、X4与冻结的SAM编码器的输出进行Concat函数处理，输出特征提取的特征数据k＝0,1,2，表达式为： Fi'＝φDownConvFii＝0,1,2...4 Xj＝φFastCSPxXj-1j＝1,2...4 其中，Fi为冻结的SAM编码器输出的中间层特征，φDownConv为Convolution-ReLU块将特征下采样到合适的维度，Fi'为SAM编码器分支下采样后的特征，而Xj为CSPDarknet53各个FastCSP块的输出特征，在Concat操作过程中，将两个分支对应相当的特征进行操作得到特征提取的特征数据 S3.构建特征融合模块，将步骤S2得到的特征提取的特征数据输入到特征融合模块中，输出特征融合的特征数据； 步骤S3的具体实现方法包括如下步骤： S3.1.构建特征融合模块包括特征金字塔网络FPN、lightMLP层和金字塔注意力网络PAN； FPN从小尺度到大尺度有三层，每一层的输入为步骤S2得到特征提取的特征数据和FPN上一个小尺度层的上采样的输出； 将FPN的最后一层作为PAN的大尺度第一层并将第一层经过两次上采样得到三层PAN结构； S3.2.在金字塔网络FPN的最后一层连接，用卷积进行平滑处理后再连接lightMLP层进行处理，平滑处理的表达式为： 其中，Xin为平滑后的输出，Relu为激活函数，BN为批归一化层； S3.3.设置lightMLP层由基于深度卷积的模块和基于通道MLP的模块两个部分串联组成，每个模块的输出都是经过模块处理的结果与输入相加； 基于深度卷积的模块由组归一化层、深度卷积层、通道缩减和DropPath四层依次连接组成，得到基于深度卷积模块的输出表达式为： 其中，GN为组归一化层，DConv为深度卷积层； 基于通道MLP的模块由组归一化层、通道MLP层、通道缩减和DropPath四层依次连接组成，得到表达式为： 其中，CMLP为通道MLP，Xout为lightMLP层的输出； S3.4.将lightMLP的输出Xout上采样反馈到PAN的三个层中，将全局信息补充到PAN，则PAN的三个层分别由lightMLP的上采样特征、FPN的三个金字塔层和PAN自身的上采样特征进行融合，得到特征融合的特征数据k＝0,1,2； S4.将步骤S3得到的特征融合的特征数据输入到提示生成器中，生成提示信息数据； 步骤S4的具体实现方法为将步骤S3得到的特征融合的特征数据作为提示生成器的输入，利用Yolo头处理得到类别相关的语义头φcls、位置相关的定位头φreg和用于提示SAM掩码解码器的提示嵌入的提示头φprompt，语义头与目标的真实类别进行匹配，定位头与目标的检测框进行匹配，且两者的匹配标准为贪婪匹配IoU，生成提示信息数据的表达式为： 其中，ck为语义头，rk为定位头，pk为提示头； S5.将步骤S3得到的特征融合的特征数据和步骤S4得到的提示信息数据，输入到冻结后的SAM的掩码解码器，计算掩码的水平最大的长和垂直最大的宽，以掩码的中心坐标绘制检测框实现对目标的检测； S6.构建损失函数，所述损失函数包括语义头的分类损失、定位头的回归损失和冻结的SAM掩码解码器生成掩码的分割损失构成，然后利用步骤S1得到的训练集迭代训练提示生成器，利用步骤S1得到的遥感数据集中的测试集对提示生成器进行测试。

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哈尔滨航天恒星数据系统科技有限公司，其通讯地址为：150028 黑龙江省哈尔滨市高新技术产业开发区科技创新城创新路1616号5号楼；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”。

以上内容由龙图腾AI智能生成。