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！

龙图腾网获悉四川大学申请的专利一种基于上下文特征自适应加权融合的遥感旋转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：CN119445354B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310962827.X，技术领域涉及：G06V20/10；该发明授权一种基于上下文特征自适应加权融合的遥感旋转检测方法是由何小海;郭振江;陈洪刚;卿粼波;吴晓红;王正勇设计研发完成，并于2023-08-02向国家知识产权局提交的专利申请。

本一种基于上下文特征自适应加权融合的遥感旋转检测方法在说明书摘要公布了：本发明公开了一种基于上下文特征自适应加权融合的遥感旋转检测网络。主要包括：1设计了一维高斯角度标签编码器GALE对OBB标签中的角度进行编码，提出角度分类损失ACL；2将GALE、ACL与YOLOv5结合，构建旋转目标检测器基线GLR‑YOLO；3设计了双分支上下文自适应建模模块DBCAM进行上下文特征建模、转换与融合，以此重构特征提取网络；4提出自适应全局特征聚合和重加权模块AGFAR，结合检测头构建自适应检测头ADH，解决输出层间特征不一致性问题。本发明主要用于遥感图像目标检测领域，在建筑预警、交通监测和国防安全等领域有着重要的研究价值。

本发明授权一种基于上下文特征自适应加权融合的遥感旋转检测方法在权利要求书中公布了：1.一种基于上下文特征自适应加权融合的遥感旋转检测方法，其特征在于包括以下步骤： 1利用一维高斯角度标签编码器GALE将OBB标签中的角度编码出180个结果并全部保留，作为角度的类别标签，其中包含180个类别，同时设计出角度分类损失ACL； 2将1中的一维高斯角度标签编码器结合YOLOv5检测网络，构建出旋转检测器基线GLR-YOLO，并将角度分类损失ACL并入YOLOv5总损失来约束和优化GLR-YOLO参数的学习； 3针对遥感图像RSI中目标分布复杂导致特征难以提取的问题，设计了双分支上下文自适应建模模块DBCAM，通过自注意力池化上下文建模方式SPCM获取特征空间与通道依赖，并通过设计的双路径加权融合方式DPWF充分捕获通道与空间之间的双重依赖关系；DBCAM包括两个上下分支结构，上分支S2C的建模公式包括： 其中，X表示抽象特征层，表示一张特征图的上下文建模结果，Γ则表示对X当中的每一张特征图进行上下文建模后的结果； 同理，下分支C2S的建模公式包括： 其中，Y表示重新定义的抽象特征层，表示一张特征图的上下文建模结果，Ψ则表示对Y当中的每一张特征图进行上下文建模后的结果； 通过全局上下文建模，充分捕捉通道依赖和空间依赖，结合特征融合加权的两个分支结构，为整个输入特征提供有用的语义信息补充； 4对于检测网络三个输出层之间特征不一致的问题，设计了自适应全局特征聚合和重加权模块AGFAR，针对每一层输出，通过设计的特征形状调整模块FSA将另外两层输出大小调整到该层大小，然后利用提出的特征聚合重加权模块FARM完成对三个特征层权值特征图的提取与重加权计算，并利用计算后的权重自适应的乘以每个输出特征层完成特征重加权，最后将重加权后的特征层相加完成特征聚合； FSA模块通过调整三个输出层的大小，保证它们的特征映射位置一致，从而从同一位置获得最有用的信息，经过调整，重新定义的输出层XL,XM,XS被调整为XL*,XM*,XS*；FARM模块包括权重特征提取WFE和特征聚合重加权FAR；经过FSA调整后得到三个特征层，对每一个调整后的特征层进行同样的WFE，获取各自的权值特征图；将三个权重特征权值图叠加后，进行线性变换；然后，在通道维度上，使用Softmax函数重新计算；获得重新计算的权重后，利用FAR进行最终的特征聚合重加权。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。