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！

龙图腾网获悉三峡大学申请的专利基于深度多尺度的遥感目标检测特征提取算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：CN119919674B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411771447.9，技术领域涉及：G06V10/40；该发明授权基于深度多尺度的遥感目标检测特征提取算法是由任东;高科设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于深度多尺度的遥感目标检测特征提取算法在说明书摘要公布了：本发明提出了一种基于深度多尺度的遥感目标检测特征提取算法，包括：S1、对下载的公开数据集进行切割；S2、构建深度多尺度遥感目标检测模型；S3、使用训练好的目标检测算法模型对待检测的遥感图像进行检测，并生成最终的检测图像。通过多种大小的卷积操作和通道注意力机制，能够捕捉不同尺度的特征，并通过动态加权来增强模型对重要特征的关注。这使得网络模型在处理复杂的视觉任务时具有更强的能力，尤其是在处理具有细节和层次的遥感图像时。提出的骨干网络经过多个遥感数据集上的广泛测试，展现了出色的效果，能够有效地检测各种类型的目标，证明了其在实际应用中的潜力和可行性，这一创新性的网络结构也为遥感图像处理领域带来了新的思路。

本发明授权基于深度多尺度的遥感目标检测特征提取算法在权利要求书中公布了：1.基于深度多尺度的遥感目标检测特征提取算法，其特征在于，包括以下步骤：S1、对下载的公开数据集进行切割，生成大小为1024×1024的图片，切割的图片重叠的像素数为500； S2、构建深度多尺度遥感目标检测模型，使用切割后的遥感数据集训练深度多尺度遥感目标检测算法，得到遥感目标检测模型； 分为以下四个阶段： S2.1、第一阶段，对于输入的任意RGB三色图像，首先采用下采样块得到特征图102，随后将特征图102作为输入，堆叠两个提出构建的深度多尺度特征提取模块得到输出的特征图105； S2.2、第二阶段，构建过程同第一阶段，采用第一阶段的最终输出特征图105作为输入，首先采用下采样块得到特征图107，随后将特征图107作为输入，堆叠两个提出构建的深度多尺度特征提取模块得到输出的特征图110； S2.3、第三阶段，总体过程同第一二阶段，第三阶段将深度多尺度特征提取模块进行四次堆叠，将第二阶段输出的特征图110作为输入，采用下采样块得到特征图112，随后将特征图112作为输入，堆叠四个提出构建的深度多尺度特征提取模块得到输出的特征图117； S2.4、第四阶段，构建过程同第一阶段，采用第三阶段的最终输出特征图117作为输入，首先采用下采样块得到特征图119，随后将特征图119作为输入，堆叠两个提出构建的深度多尺度特征提取模块得到输出的特征图122； 所述的构建深度多尺度遥感目标检测算法的四个阶段中，构建的子步骤为： 输入的特征200经过大小为3*3的深度可分离卷积D1得到特征图201； 将得到的特征图201作为输入经过大小为5*5的深度可分离卷积D2得到特征图202； 将得到的特征图202作为输入经过大小为7*7的深度可分离卷积D3得到特征图203； 将得到的特征图204作为输入经过大小为9*9的深度可分离卷积D4得到特征图204； 将得到四个特征图201、202、203、204分别进行通道层面求平均值得到四个不同的大小为H×W×1特征图，将这四个特征图进行通道层面的拼接得到大小为H×W×4空间权值； 将得到的空间权值使用大小为7*7、填充为4的卷积进行混合得到大小为H×W×4的空间权值205； 将得到的空间权重使用Sigmoid函数进行重新加权； Sigmoid函数由下公式定义： 将得到的空间权值进行通道求和并和网络自学习的权重参数重新进行加权，得到加权特征图206，将加权特征图206与输入的特征图200相乘得到最终的输出特征207； S3、使用训练好的目标检测算法模型对待检测的遥感图像进行检测，并生成最终的检测图像。

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三峡大学，其通讯地址为：443002 湖北省宜昌市大学路8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。