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！

龙图腾网获悉浣江实验室;浙江大学申请的专利基于YOLOv7的武器装备识别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：CN119600253B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411468506.5，技术领域涉及：G06V10/25；该发明授权基于YOLOv7的武器装备识别方法是由陆哲明;吴文晟;郑阳明;罗浩;崔家林设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本基于YOLOv7的武器装备识别方法在说明书摘要公布了：本发明公开了一种基于YOLOv7的武器装备识别方法，包括以下步骤：按照类别收集对应的武器装备图像，并挑选出清晰、特征明显的图像；对挑选出的图像进行标注，并转换为YOLO格式；将图片划分为训练集、验证集进行训练，得到最优模型；在检测时利用YOLOv7骨干网络和ViT分别对输入图片提取特征，将两者获取的特征进行融合，经过FSM模块过滤，随后对特征图进行处理，回归出目标类别和坐标。本方法支持火炮、大型水面战舰、固定翼飞机、雷达、轮式装甲车、坦克等11个类。相比于现有技术，检测能力大大增强，能够获取更加具体的武器装备信息，在特定场景下具有非常重要的作用和意义。

本发明授权基于YOLOv7的武器装备识别方法在权利要求书中公布了：1.一种基于YOLOv7的武器装备识别方法，其特征在于，该方法包括如下步骤： S1、收集各类武器装备图像数据，对图像数据进行清洗后进行标注并转换为YOLO格式； S2、构建YOLOv7-VIT武器装备识别模型，输入图片分别经过YOLOv7的骨架网络和VIT提取特征，然后进行深层特征融合，并经过FSM模块过滤，回归出目标类别和位置； 所述YOLOv7-VIT武器装备识别模型包括YOLOv7和VIT，图片分别经过YOLOv7骨干网络和VIT提取特征，取出YOLOv7的后三层特征和VIT的最后一层特征； 将VIT输出的序列特征重塑为与图像对应的矩阵形式，上采样之后和YOLOv7的最后一层特征进行拼接，丰富其语义信息，将YOLOv7的各层特征输入到YOLOv7的后续网络结构中回归出目标类别和位置； 所述FSM模块取出融合后的特征的每一个通道，并计算其对应的损失，然后选取损失最低的k个通道，k为超参数；训练时通过前十张图片来确定所选取的k个通道后，对后续输入不再重新计算，直接选取对应通道； S3、进行模型训练：根据标签和损失函数计算损失函数，使用反向传播根据梯度和学习率对模型的参数进行更新，直至达到最大迭代次数； 所述损失函数根据回归出的目标类别和位置与标签的类别和位置比较，根据类别、置信度、位置之键的差值得到，具体为： 其中，S2为YOLOv7目标检测过程中将图片分割的网格数量，B为每个网格检测的预测框数量，λnoobj为平衡无物体的框的权重参数，λcoord为坐标损失的权重参数，角标i表示对每个网格cell进行迭代，角标j表示对每个预测框bbox进行迭代，为判断第i个网格中的第j个预测框是否负责该物体的预测，与相反；xi，yi，wi，hi，Ci，pic代表预测框的中心坐标、宽、高、置信度、类别，代表groundtruth框的中心坐标、宽、高、置信度、类别，其余为加权系数； S4、调整输出的检测框的颜色，标签的语言和字体； S5、将待识别图片输入到调整后的模型，实现武器装备识别。

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浣江实验室;浙江大学，其通讯地址为：311816 浙江省绍兴市诸暨市文种路7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”。

以上内容由龙图腾AI智能生成。