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！

龙图腾网获悉燕山大学申请的专利一种基于改进轻量YOLOv4的遥感图像目标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：CN116363529B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310261559.9，技术领域涉及：G06V20/17；该发明授权一种基于改进轻量YOLOv4的遥感图像目标检测方法是由李国强;路金铭设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种基于改进轻量YOLOv4的遥感图像目标检测方法在说明书摘要公布了：本发明公开了一种基于改进轻量YOLOv4的遥感图像目标检测方法，属于无人机航拍遥感图像的目标检测技术领域，包括以下步骤：对遥感数据集进行格式转换；按比例将转换后的遥感数据集划分；对骨干网络进行改进，对骨干网络的低层和高层的输入特征图分别进行Haar小波变换，通过Ghost模块对高频特征进行卷积融合，将融合后的特征与普通卷积对特征图提取的特征相加；对Neck进行改进，在FPN前、改进的骨干网络的最后一个残差结构后的两个分支上引入坐标注意力；设置训练参数，得到并保存权重数据；选取验证集损失函数最小的模型训练权重载入到网络中，用测试集进行测试。本发明能够提高无人机航拍遥感图像的目标检测精度和实时性。

本发明授权一种基于改进轻量YOLOv4的遥感图像目标检测方法在权利要求书中公布了：1.一种基于改进轻量YOLOv4的遥感图像目标检测方法，其特征在于：包括以下步骤： S1、对遥感数据集进行格式转换； S2、按比例将转换后的遥感数据集划分为训练集、验证集和测试集； S3、对YOLOv4-tiny的骨干网络进行改进，对骨干网络的低层和高层的输入特征图分别进行Haar小波变换，以提取特征图的高频特征，通过Ghost模块对高频特征进行卷积融合，将融合后的特征与普通卷积对特征图提取的特征相加，得到改进的骨干网络； S3中，具体包括以下步骤： S3.1将Haar小波变换应用在骨干网络的底层特征图上，对原始输入图像进行Haar小波变换，将得到的高频特征叠加，将叠加后的特征记为Haar_H，Haar_H∈R^3C×H2×W2，其中，R为实数集，C为通道数，H为特征图的宽，W为特征图的长，其公式如下： Haar_H＝ConcatenateLH，HL，HH； 其中，Concatenate表示将不同特征图进行叠加； 对叠加后的高频特征通过Ghost模块进行卷积融合以学习高频特征的各方向上的权重并调整其通道数； S3.2将Haar小波变换应用在骨干网络的顶层特征图上，对骨干网络的最后一个残差结构进行Haar小波变换，将Haar变换得到的3个高频特征叠加，然后通过3个轻量的Ghost模块对叠加的高频特征进行卷积融合，将融合后特征记为x_H，公式如下： x_H＝GhostGhostGhostHaar_H2； 其中，Ghost代表Ghost卷积运算，Ghost卷积分两步进行，首先通过常规卷积得到一个特征图，然后对这个特征图进行恒等映射得到Ghost特征图，最后将这两个特征图叠加在一起得到融合后的特征图； S3.3将融合后的特征与FPN中第一个卷积操作得到的特征相结合，结合后的特征作为输入进行上采样操作； S4、对YOLOv4-tiny的Neck进行改进，在FPN前、改进的骨干网络的最后一个残差结构后的两个分支上引入坐标注意力，得到改进的Neck，坐标注意力是基于SEattention改进的通道注意力； S5、设置训练参数，使用训练集对模型进行迭代训练，得到并保存遥感图像目标检测模型权重数据； S6、训练结束后，选取验证集损失函数最小的模型训练权重载入到网络中，用测试集进行测试，得到网络的检测性能。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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。