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！

龙图腾网获悉重庆大学申请的专利一种尺度混合的搜索细化SAR船舰智能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：CN116704340B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310630239.6，技术领域涉及：G06V20/10；该发明授权一种尺度混合的搜索细化SAR船舰智能检测方法是由李东;柳霜;刘合豪;万俊;陈展野设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种尺度混合的搜索细化SAR船舰智能检测方法在说明书摘要公布了：本发明公开了一种尺度混合的搜索细化SAR船舰智能检测方法，涉及SAR船舰目标检测技术领域，其技术方案要点是：S1、获取不同的尺度图像，通过缩放策略挖掘更多的船舰目标信息；S2、获取尺度混合的不同层级特征，通过搜索模块整合不同尺度下相同层级的信息，捕捉船舰目标和背景间的差异化信息；S3、通过细化模块聚合和增强不同层级间尺度混合的特征，挖掘船舰检测的关键语义线索。本方法与现有目标检测方法在SAR船舰检测数据集SSDD上的大量对比实验表明，不论是相比基线方法还是相比现有的目标检测方法，提出的方法在总体map、近岸场景下的map和远岸场景下的map均有显著提升，提出的混合尺度搜索和细化策略有利于船舶目标检测。

本发明授权一种尺度混合的搜索细化SAR船舰智能检测方法在权利要求书中公布了：1.一种尺度混合的搜索细化SAR船舰智能检测方法，其特征是，包括以下步骤： S1、获取不同的尺度图像，通过缩放策略挖掘更多的船舰目标信息； S2、获取尺度混合的不同层级特征，通过搜索模块整合不同尺度下相同层级的信息，捕捉船舰目标和背景问的差异化信息； S3、通过细化模块聚合和增强不同层级问尺度混合的特征，挖掘船舰检测的关键语义线索； 步骤S1中，所述通过缩放策略挖掘更多的船舰目标信息，对于输入的原始图像，将其视为主尺度，记为I1.0×；对主尺度分别通过上采样和下采样操作获得两个辅助尺度，记为I1.5 ×，I0.5×； 步骤S2中，所述通过搜索模块整合不同尺度下相同层级的信息，充分捕捉船舰目标和背景间的差异化信息，具体原理如下： L1、将步骤S1中获取的三种不同尺度的图像I1.5×，I0.5×，I1.0×同时输入一个权值共享的特征编码器进行特征提取，并输出对应尺度的特征表示 L2、对不同尺度的特征表示分别进行尺度调整，使其与主尺度特征保持一致；对于使用最大化池化层和平均池化层进行下采样；对于使用双线性插值对其进行上采样；使用串联操作将特征进行组合，其可以表示为： L3、将上述组合后的特征fi通过一个全局平均池化层进行聚合，并通过1D卷积和sigmoid函数获得相应的通道注意力权值，将通道注意力权值与输入特征相乘，得到最终的输出特征，其过程可以表示为： 式中，表示一维卷积，σ表示sigmoid激活函数，GAP表示全局平均池化层； 步骤S3中，所述通过细化模块聚合和增强不同层级间尺度混合的特征，挖掘船舰检测的关键语义线索，具体原理如下： M1、将上述步骤S2获得的不同层级的混合尺度特征划分为低层特征{f1，f2}，中层特征{f3}，和高层特征{f4，f5}，并通过拼接操作Concat·分别融合低层特征和高层特征，其过程可以表示为： fh＝Concatf4，f5 fl＝Concatf1，f2； M2、使用融合后的高级特征指导中级特征学习，并使用中级特征指导低级特征学习，其过程可以表示为： fhm＝Concatfh，fm fml＝Concatfhm，fl； M3、使用感受野组件，通过扩大感受野来整合更多的判别性特征表示，其过程可以表示为： f′h＝RFfh f′hm＝RFfhm f′ml＝RFfml 式中，RF·表示感受野组件，f′h，f′hm和f′ml作为最终的输出预测层输入到区域建议网络中为潜在的目标生成候选区域。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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”。