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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于深度学习的遥感目标四边形框快速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：CN114299011B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202111617324.6，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的遥感目标四边形框快速检测方法是由戴国骏;金仁操;支浩仕;张桦;吴以凡;周文晖;黄金来设计研发完成，并于2021-12-27向国家知识产权局提交的专利申请。

本一种基于深度学习的遥感目标四边形框快速检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的遥感目标四边形框快速检测方法，本发明方法预测结果精准，对目标进行四边形框的回归，精准描述了目标的轮廓；对于图像特征的提取，使用了融合多层特征的深度神经网络，有利与小目标众多的遥感场景的目标检测；优化训练过程，在正负样本分配的过程中采用SimOTA策略，提高了模型对不同大小目标的均衡预测能力；对结果进行阈值过滤，筛选掉干扰目标，提高识别精度；检测速度快，达到了实时检测的水平，有实际应用的价值。

本发明授权一种基于深度学习的遥感目标四边形框快速检测方法在权利要求书中公布了：1.一种基于深度学习的遥感目标四边形框快速检测方法，其特征在于，包括以下步骤： 步骤1、收集卫星遥感图像，待检测的物体类别进行四边形框的标注，建立卫星遥感图像目标检测数据集； 步骤2、利用卫星遥感图像目标检测数据集对设计好的遥感目标四边形框快速检测模型进行训练； 步骤3、将模型部署到相应的设备上，对采集到的卫星遥感图像进行实时的检测； 步骤1具体实施步骤如下： 1-1.数据采集，首先收集包含待预测物体的卫星遥感图片，并使收集到的图像中的待预测物体种类的数量尽量地均衡； 1-2.数据标注，对收集到的图像使用rolabelImg进行人工四边形框标注，标出想要预测的物体； 1-3.数据预处理，对标注好的大像素高分辨率图像，切割成可输入模型的大小为640x640的图片，并相应调整标注文件； 1-4.数据集划分和数据保存，标注完的结果保存为.txt文件，保存的关键信息包括目标框顺时针排列的四个端点的坐标x1,y1,x2,y2,x3,y3,x4,y4和目标类别id；以1：9比例划分测试集和训练集并把所有图片的绝对地址逐行分别保存到不同.txt文件中；其中测试集充当验证集； 步骤2中利用卫星遥感图像目标检测数据集对遥感目标四边形框快速检测模型进行训练，需要进行多轮训练，训练次数根据实际情况设定，具体实现如下： 遥感目标四边形框快速检测模型基于YOLOX模型改进而来； 2-1.数据载入，数据增强；在数据载入的过程中加载的annotation为目标框顺时针排列的四个端点的坐标和目标类别id；如果要保证训练出的模型有足够的泛化性，就需要保证有足够多的数据来进行训练，当只有有限的数据或者为了达到一个更好的泛化性，需要对有限的数据进行数据增强；所述的数据增强方法包括随机仿射变换、色彩抖动、对比度变换、噪声扰动、Mosaic数据增强；在每一轮训练的数据载入时，加载的图片会打乱后，再进行上述的数据增强，然后输入到模型进行训练，每轮训练时采用的数据增强参数不同； 2-2.网络主体遥感目标四边形框快速检测模型使用CSP-darknet作为Backbone进行提取特征；训练集数据首先经过Focus模块，即通过分割进行下采样得到原图二分之一大小的输入，再依次经过CBS模块，CSP1_1模块，CBS模块，CSP1_3模块得到一阶段特征，再经过CBS模块，CSP1_3模块得到二阶段特征，最后经过CBS模块，SPP模块，CSP2_1模块最终完成所有特征的提取； 2-3.特征融合；遥感目标四边形框快速检测模型采用与YOLOX相同的FPN结构进行特征融合，FPN自上向下，将高层的特征信息，通过上采样的方式进行传递融合，得到三个通道尺度分别为20x20,40x40,80x80大小的特征图，进行后续的目标预测； 2-4.网络输出；遥感目标四边形框快速检测模型在每个通道通过解偶方式的输出大小分别为HxHxC,HxHx1,HxHx4的预测张量，分别表示目标的类别，目标的前景背景预测，目标的水平框表示，其中HxH表示特征图大小,取值分别为20x20,40x40,80x80,C表示物体的种类，其中目标的水平框表示的四个参数分别表示框相对与锚框的中心点和长宽,最终得到8400个预测目标；改进的遥感目标四边形框快速检测模型，输出的目标框参数为目标框相对于锚框的仿射矩阵的6个参数,a,b,c,d,e,f，通过与对应的锚框的四个顶点坐标作矩阵乘法所得到的四点坐标即是四边形框的四个顶点坐标； 2-5.正负样本分配；遥感目标四边形框快速检测模型先根据锚中心点和目标框的坐标相对位置的进行初筛，然后采用YOLOX的SimOTA策略进行正负样本分配； 首先对每个锚框，寻找目标框中心点落在锚框范围内的所有目标框；再对每个目标框以目标框中心点为基准，设置边长为4的正方形，挑选在正方形内的所有锚框；同时满足上述两个条件的锚框目标框对即为初筛结果；根据初筛结果，提取网络预测的候选检测框位置、前景背景目标分数和类别分数，结合目标框计算Loss函数；对于每个目标框，挑选10个IOU最大的候选框；最后根据总Loss最小的原则给每个目标框分配预测框； 2-6.损失函数Loss；遥感目标四边形框快速检测模型损失函数由前景背景损失、分类损失和框回归损失三部分组成，其中前景背景损失和分类损失采用交叉熵损失，框回归损失采用仿射矩阵参数的L1损失； 交叉熵损失计算公式如下所示： 其中参数的含义如下： M:类别的数量； yic:符号函数0或1，如果样本i的真实类别等于c取1，否则取0； pic:观测样本i属于类别c的预测概率； 仿射参数的L1损失计算公式如下： 其中，参数定义如下： N:目标框总数； Mi:分配给第i个目标框的预测框总数； xij:目标框i的第j个预测框的六个参数； 目标框i的六个参数； 总Loss计算如下： Loss＝λobjLossobj+λclsLosscls+λboxLossbox 其中，参数定义如下： Lossobj:前景背景损失； λobj:前景背景损失权重； Losscls:分类损失； λcls:分类损失权重； λbox:框回归损失权重； 2-7.模型验证；在每一轮模型训练结束后，对验证集的图片进行测试，验证模型的训练效果； 2-8.在设定的训练轮数结束后，选取验证结果最好的模型权重作为后续部署用的参数； 步骤3中将模型部署到相应的设备上，对采集到的卫星遥感图像进行实时的检测，实现如下： 3-1.部署： 将训练好的遥感目标四边形框快速检测模型转换到相应部署框架的格式，部署到相应的设备上； 3-2.检测： 将遥感设备实时采集的图像，输入到遥感目标四边形框快速检测模型进行预测；对于每一个预测框有一个置信度，预设置信度高于0.3为一个疑似目标，并进行NMSNon-MaximumSuppression过滤，即当两个预测框交并比大于一个阈值时，则认为两个预测框标定的是同一个目标，对同一个目标一般存在多个预测框，在这些预测框中选取置信度最高的框作为最后的结果；输出其坐标信息和类别信息。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。