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！

龙图腾网获悉电子科技大学申请的专利一种基于多尺度特征融合与各向异性感知的SAR图像船舶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：CN120708017B 。

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：202511162497.1，技术领域涉及：G06V10/80；该发明授权一种基于多尺度特征融合与各向异性感知的SAR图像船舶识别方法是由蒲巍;尚元哲;张廷豪;廖丹灵;杨豪;毛德庆;黄钰林;李亚超;杨建宇设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本一种基于多尺度特征融合与各向异性感知的SAR图像船舶识别方法在说明书摘要公布了：本发明一种基于多尺度特征融合与各向异性感知的SAR图像船舶识别方法，属于合成孔径雷达SAR目标识别领域。SAR图像船舶识别技术在海事监测领域具有关键作用，可用于贸易管理、海上交通监控及海上搜救等任务。本发明首先设计多尺度注意力加权模块自适应选择有效特征尺度并分配权重，同时抑制无关尺度干扰；其次，构建跨层级特征融合模块融合主干网络高低层输出的语义特征与细节特征，丰富船舶目标的全尺度表征；最后，开发各向异性特征提取模块突破传统方形卷积感受野的限制，生成与船舶外形匹配的矩形感受野。本方法显著提升了船舶识别的精度，有效满足了海事监测领域对船舶识别技术的高精度需求。

本发明授权一种基于多尺度特征融合与各向异性感知的SAR图像船舶识别方法在权利要求书中公布了：1.一种基于多尺度特征融合与各向异性感知的SAR图像船舶识别方法，其特征在于，包括以下步骤： 步骤1：准备合成孔径雷达SAR图像船只和海洋目标识别数据集，对数据进行预处理，将数据集划分为训练集和测试集； 步骤2：采用跨层级特征融合模块，通过特征提取网络得到多尺度特征金字塔； 步骤3：采用舰船各向异性特征提取模块，对多尺度特征金字塔的每个尺度特征进行五个方向的卷积，然后融合得到当前尺度的特征图，即得到多尺度特征图集合； 步骤4：采用多尺度注意力加权模块，针对上一模块的输出多尺度特征图集合，经过全局池化得到表征全局信息的多尺度特征向量，然后将其级联得到总特征向量，再将总特征向量与注意力权重矩阵融合得到与尺度数量相同维数的权重向量；随后，基于该权重预向量，对多尺度特征向量进行加权求和获得增强特征；最后，增强特征依次通过一个全连接层和softmax函数得到最终的目标识别结果； 步骤5：采用跨层级特征融合模块、舰船各向异性特征提取模块以及多尺度注意力加权模块建立一个SAR图像舰船识别模型，对模型进行训练、测试与评估后，得到训练好的SAR图像舰船识别模型，使用该模型执行SAR图像舰船识别任务； 所述各向异性特征提取模块具体如下： 针对特征金字塔其中l为金字塔特征的指代，采用方形卷积与水平、垂直、左斜、右斜四个方向的矩形卷积，得到5组卷积结果，随后通过级联操作生成级联特征再依次采用批归一化、线性整流单元ReLU和3×3卷积对上述得到的级联特征M′l进行处理，得到多尺度特征图集合A3、A4、A5； 所述增强特征具体通过以下过程得到： 针对多尺度特征图集合A3、A4、A5，首先通过全局平均池化分别将其转换为表征全局信息的特征向量f1、f2、f3，再将其级联得到总特征向量f； 然后获取权重预测值wi： 其中为注意力权重矩阵，d表示维度；随后对多尺度特征向量进行加权求和获得增强特征： 其中，为增强特征，表示向量间的逐元素加法，表示向量间的逐元素乘法。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。