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！

龙图腾网获悉浙江理工大学申请的专利基于改进YOLOv7-tiny的遥感飞机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：CN120071170B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510003984.7，技术领域涉及：G06V20/13；该发明授权基于改进YOLOv7-tiny的遥感飞机检测方法是由韩永华;戴乐;金海;朱睿哲;傅海峰;曾进展;荣权威设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本基于改进YOLOv7-tiny的遥感飞机检测方法在说明书摘要公布了：本发明公开了基于改进YOLOv7‑tiny的遥感飞机检测方法，通过引入设计的多头动态联合自注意力机制，提升对复杂背景下目标特征的捕捉能力，尤其是在复杂地形或建筑密集区域，能够更准确地识别出飞机目标，减少误检与漏检的情况。本发明设计的加强特征提取模块，通过并行空洞卷积和多分支特征融合技术，显著提高对不同尺寸目标的检测效果。特别是在应对大范围多尺度目标时，本发明表现出较高的鲁棒性和精度，确保在各种尺度下的飞机目标都能够被准确识别。而且，本发明在提高检测精度、降低漏检率的同时，通过轻量化卷积结构和优化的网络设计，保持了检测实时性。

本发明授权基于改进YOLOv7-tiny的遥感飞机检测方法在权利要求书中公布了：1.基于改进YOLOv7-tiny的遥感飞机检测方法，其特征在于：该方法具体如下： 步骤1：构建遥感客机数据集； 步骤2：构建遥感军用飞机数据集，将遥感客机数据集和遥感军用飞机数据集合并得到输入数据集； 步骤3：设计多头动态联合自注意力机制和加强特征提取模块； 所述的多头动态联合自注意力机制如下：将输入特征图在通道方向上分为n组，分别进行n个SA模块的计算，n≥2；将n个SA模块计算得到的分数一分别作为n个CAM模块及n个SAM模块的输入，并行进行CAM模块及SAM模块的计算，得到n个分数二和n个分数三，对应通道的分数二和分数三点乘获得分数四；将n组输入特征图分别乘以对应通道的分数一和分数四，得到对应通道的输出特征图；然后将所有通道的输出特征图进行合并，形成完整的输出特征图；通过1×1卷积调整完整输出特征图的通道数，再经过残差结构叠加到输入特征图中，得到多头动态联合自注意力机制的总输出； 所述的加强特征提取模块由以下部分组成： a.多尺度检测部分；加强特征提取模块的多尺度检测部分与SPPCSPC模块中多尺度检测部分的区别如下：用深度可分离卷积替代最大池化操作；将卷积核设置为3×3，同时在执行3路深度可分离卷积时采用膨胀率依次为3、5、7的空洞卷积；将标准卷积模块CBL中的标准卷积Conv用GSConv替代，从而将标准卷积模块CBL替换为卷积模块GSCBL； b.多分支细化特征模块：由3层3×3标准卷积模块CBL串行输出与每一层3×3标准卷积模块CBL的输入特征图直接输出进行拼接的结构； c.将多尺度检测部分的输出和多分支细化特征模块的各个输出进行融合，再通过一个3×3标准卷积模块CBL对融合结果进行二次特征提取； 步骤4：对输入数据集进行数据预处理； 步骤5：建立改进YOLOv7-tiny模型，改进YOLOv7-tiny模型与原YOLOv7-tiny模型的区别为：将原YOLOv7-tiny模型的特征融合Neck模块中的多特征模块SPPCSPC替换为加强特征提取模块，并在原YOLOv7-tiny模型的特征融合Neck模块中4个拼接层Concat的输出端都增加多头动态联合自注意力机制； 步骤6：将步骤4数据预处理后的输入数据集划分为训练集和验证集，对改进YOLOv7-tiny模型进行训练和验证，得到最终的改进YOLOv7-tiny模型。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市经济技术开发区白杨街道2号大街928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。