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工业大学(威海)申请的专利基于边缘特征引导的轻量化可见光舰船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：CN120656032B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511165239.9，技术领域涉及：G06V10/80；该发明授权基于边缘特征引导的轻量化可见光舰船目标检测方法是由李剑锋;杨易冰;郝奕丞;程思雨;梅英杰;周广佼;王晨旭设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于边缘特征引导的轻量化可见光舰船目标检测方法在说明书摘要公布了：本申请提供了基于边缘特征引导的轻量化可见光舰船目标检测方法，涉及舰船检测图像数据处理技术领域，包括采集遥感卫星图像，筛选和标注后随机分配图像得到训练集和验证集；骨干网络模块包括多个相互堆叠的Conv模块和C3k2模块；颈部模块包括细节增强的卷积模块和基于动态特征聚合的层次化金字塔模块；在头部模块，所有检测层的特征在经过独立卷积处理后，通过多分支细节增强卷积模块进行特征变换；对训练集进行数据增强；通过反向传播算法和梯度下降优化方法，得到训练后的舰船目标检测模型。本申请实现了检测头的轻量化与精度提升，增强模型对光照变化的鲁棒性，融合全局语义信息与局部细节特征以平衡小目标与大目标的检测。

本发明授权基于边缘特征引导的轻量化可见光舰船目标检测方法在权利要求书中公布了：1.基于边缘特征引导的轻量化可见光舰船目标检测方法，其特征在于，包括： 数据集构建：采集遥感卫星图像，筛选得到包含舰船目标的图像，标注图像中的舰船目标，随机分配标注后的图像得到训练集和验证集； 模型构建：舰船目标检测模型包括骨干网络模块、颈部模块和头部模块，所述骨干网络模块包括多个相互堆叠的Conv模块和C3k2模块，用于对输入的图像数据进行多次卷积，并输出多层有效特征层的特征图至颈部模块；所述颈部模块包括细节增强的卷积模块和基于动态特征聚合的层次化金字塔模块，所述细节增强的卷积模块包括基于边缘-空间特征的卷积模块；所述基于动态特征聚合的层次化金字塔模块为语义-通道-空间三分支结构，各分支结构分别作用于不同阶段的特征金字塔层级，融合骨干网络模块输出的多层有效特征层；在所述头部模块，所有检测层的特征在经过独立卷积处理后，通过共享模块进行特征变换，所述共享模块为多分支细节增强卷积模块； 模型训练：对训练集进行数据增强；配置舰船目标检测模型参数，初始化舰船目标检测模型的权重；采用数据增强后的训练集对舰船目标检测模型进行训练；通过反向传播算法和梯度下降优化方法，得到训练后的舰船目标检测模型； 所述颈部模块包括结构相同的前颈部模块和后颈部模块，所述前颈部模块包括前颈部模块上分支、前颈部模块中分支、前颈部模块下分支，所述前颈部模块上分支包括Conv模块、拼接模块和细节增强的卷积模块，所述前颈部模块中分支包括基于动态特征聚合的层次化金字塔模块，所述前颈部模块下分支包括上采样模块、拼接模块和细节增强的卷积模块； 所述头部模块包括目标角度识别分支和目标位置识别分支，所述目标角度识别分支包括使大尺度特征、中尺度特征和小尺度特征分别经过Conv_GN模块、多分支细节增强卷积模块和二维卷积层模块处理，处理完成后拼接得到目标角度信息，Conv_GN模块由二维卷积层、组归一化和SiLU激活函数组成；所述目标位置识别分支包括使大尺度特征、中尺度特征和小尺度特征分别经过Conv_GN模块处理，而后进入串联的两个共享多分支细节增强卷积模块，而后分别经过并联的回归卷积层和分类卷积层处理，处理完成后进行拼接，拼接后输出目标边界框的尺寸信息和位置信息。

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哈尔滨工业大学(威海)，其通讯地址为：264209 山东省威海市环翠区文化西路2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。