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！

龙图腾网获悉首都师范大学申请的专利一种轻量化多尺度遥感图像旋转目标检测方法及系统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：CN116030360B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310059023.9，技术领域涉及：G06V20/13；该发明授权一种轻量化多尺度遥感图像旋转目标检测方法及系统是由张爱武;杨志强设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。

本一种轻量化多尺度遥感图像旋转目标检测方法及系统在说明书摘要公布了：本发明提供了一种轻量化多尺度遥感图像旋转目标检测方法及系统，针对遥感图像中目标和背景更加复杂的问题，基于YOLOv4模型，在特征融合网络加入了浅层的特征信息；为缓解因网络层数过多造成的特征丢失的问题，使用加权的双向特征金字塔作为特征融合网络；为提高特征的感受野，在特征融合后加入多尺度空洞卷积模块，以此提高检测精度；遥感图像旋转目标检测，长边表示法表示角度参数，使用高斯函数的环形平滑标签将角度参数从回归问题转化为分类问题，减少由于角度周期性带来的损失问题；使用深度可分离卷积和全局注意力模块，设计轻量化模块，在检测模型中替代传统卷积，达到模型轻量化效果。

本发明授权一种轻量化多尺度遥感图像旋转目标检测方法及系统在权利要求书中公布了：1.一种轻量化多尺度遥感图像旋转目标检测方法，其特征在于，包括以下步骤： 步骤1：将深度可分离卷积和注意机制融合成轻量化网络模块； 步骤2：对YOLOv4网络进行改进，即使用步骤1轻量化网络模块，得到一种基于浅层特征融合的轻量化遥感图像目标检测YOLO‑SFF模型，根据此模型进行训练，得到基于水平框的遥感图像目标检测结果； 步骤3：基于步骤2得到基于水平框的遥感图像目标检测结果，设计一种遥感图像旋转目标检测方法，通过此方法得到基于斜框的遥感图像目标检测结果； 所述步骤1中轻量化网络模块实现如下： 步骤11：深度可分离卷积是将标准卷积分解为深度卷积和逐点卷积，通过这种分解显著减少计算量，但降低特征提取能力，通道注意力机制模块能训练学习到不同通道特征的重要程度，在深度卷积之后逐点卷积之前加入注意力机制模块，得到轻量化网络模块，减少参数量计算量的同时提高特征提取能力； 步骤12：在检测模型的主干网络中残差模块中3×3标准卷积使用轻量化模块，将特征融合模块中3×3卷积使用轻量化模块； 所述步骤2中，基于浅层特征融合的轻量化遥感图像目标检测YOLO‑SFF模型的实现步骤如下： 步骤21：在YOLOv4模型的主干网络原输出的三种降采样特征的基础上增加一种浅层特征，即在8倍降采样特征、16倍降采样特征、32倍降采样特征的基础上，再设计输出4倍降采样特征，一共得到四种尺度特征； 步骤22：根据步骤21中得到的四种尺度特征，使用可学习权重双向特征金字塔，其中所述双向特征金字塔中增加同一尺度的横向连接，将四种尺度特征自下而上与四种尺度特征自上而下进行融合，融合后输出8倍降采样特征、16倍降采样特征和32倍降采样特征，完成浅层特征融合，得到三种尺度融合后的特征； 步骤23：对步骤22得到的三种尺度融合后的特征使用多尺度空度卷积，扩大目标感受野，并采用自学习权重将多尺度空洞卷积的输入和多尺度空洞卷积结果相加，将相加后的特征输出到检测头中，得到基于浅层特征融合的遥感图像目标检测YOLO‑SFF模型； 步骤24：在YOLO‑SFF模型的主干网络和特征融合网络中深度可分离卷积和全局注意力机制模块融合的轻量化网络模块，经主干网络和特征融合网络两次轻量化处理，得到基于浅层特征融合遥感图像旋转目标检测轻量化YOLO‑SFF模型，最终得到基于水平框的遥感图像目标检测结果； 所述步骤3中的一种遥感图像旋转目标检测方法包括： 步骤31：将遥感图像中目标框的八参数表示法转化为五参数表示法，其中使用长边表示法将目标斜框旋转至水平框，得到斜框的旋转角度和水平框的左上点右下点的位置坐标；步骤32：使用高斯函数的圆形平滑标签将角度真值的转化为长度180的一维数组T； 其中在角度处数组T的值为1，随着角度从向左和向右变化，数组T的值不断变小，直至变成0； 步骤33：在基于浅层特征融合的轻量化遥感图像目标检测YOLO‑SFF模型的检测头中增加角度信息的输出，增加180维输出，对应真值角度长度180的一维数组，表示角度的0‑180°的输出； 步骤34：在损失函数中加入角度信息的交叉熵损失函数，使角度信息在训练中不断收敛，得到角度信息的损失函数； 步骤35：使用斜框的并交比，剔除重叠的检测框，得到基于斜框的遥感图像目标检测结果。

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首都师范大学，其通讯地址为：100048 北京市海淀区西三环北路105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。