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！

龙图腾网获悉浙江工业大学申请的专利一种融合空间关系的高分遥感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：CN115601638B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202210852460.1，技术领域涉及：G06V20/10；该发明授权一种融合空间关系的高分遥感目标检测方法是由夏列钢;苏一少;吴炜;杨海平设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本一种融合空间关系的高分遥感目标检测方法在说明书摘要公布了：一种融合空间关系的高分遥感目标检测方法，首先根据遥感目标提取任务设计深度卷积神经网络、制作样本并训练得到道路提取模型，然后制作目标检测网络模型训练样本与标签，训练目标检测网络模型，图像经由卷积得到特征图信息，在训练过程中，使用目标检测网络模型进行预测，并分别计算置信度损失、类别损失、框位置损失，协同道路信息判断预测位置距离道路的远近，输出损失值，进行回归计算，使网络学习到检测的目标靠近道路附近。后处理过程，使用最终训练好的目标检测模型检测目标数据集，预测输出经处理后得到遥感图像中所识别地物的外包框，取外包框的中心点信息转为向量信息，写入矢量文件。本发明实现高分遥感目标的精细提取。

本发明授权一种融合空间关系的高分遥感目标检测方法在权利要求书中公布了：1.一种融合空间关系的高分遥感目标检测方法，包括以下步骤： 步骤1：制作样本，具体包括： 步骤1.1：获取高分遥感影像：采用具有可见光-近红外传感器的光学卫星遥感数据或搭载光学相机的航空遥感数据，根据分辨率要求可直接使用多光谱影像或融合全色影像； 步骤1.2：根据遥感影像大小裁剪：在生产区域选择典型目标所在范围将遥感影像统一裁剪成相同像素大小； 步骤1.3：制作道路提取模型训练样本； 步骤1.4：根据任务需求采集数量较多的影像及相应标注作为样本，按照比例划分样本为训练集和测试集； 步骤2：训练道路提取模型，具体包含： 步骤2.1：设计深度卷积神经网络，选取适用于提取目标的深度学习网络结构，并对其改进，根据生产目标网络可相应替换、修改； 步骤2.2：初始化权重：使用已有的网络模型当作预训练模型来初始化网络权重； 步骤2.3：设置训练超参数：配置模型调优后具体数值； 步骤2.4：输入样本，训练模型：将训练样本输入到网络中，按照步骤2.3中所述的超参数进行训练，得到能够提取道路信息的道路提取模型； 步骤3：获取道路信息作为“先验知识”，具体包括： 步骤3.1：将高分遥感影像输入到道路提取模型，预测每个像素是道路的可能性，输出形成从0至255的灰度图，调整阈值将道路提取图转化为二值图，转换公式如下： 其中threshold为区间[0,1]上的实数，可由用户设置；x，y为图像的横纵坐标； 步骤3.2：以道路为中心，辐射三个像素点作为缓冲区，提取缓冲区范围； 步骤4：制作目标检测网络模型训练样本，具体包括： 步骤4.1：遥感图像采用与道路提取模型所裁剪的一致； 步骤4.2：制作目标检测网络模型训练样本与标签； 步骤5：训练目标检测模型，具体包括： 步骤5.1：设定好训练目标检测模型的训练参数； 步骤5.2：图像传入网络，在输入端进行数据增强；在Backbone部分数据切片，提高检测速度；Neck部分采用借鉴CSP2结构，加强网络特征融合的能力； 步骤5.3：经过前面的网络，可以得到一张特征图，将特征图分成若干个网格gridcell，网格划分的大小由输入端图像大小决定，如果某个目标的中心落在这个网格中，则这个网格就负责预测这个目标；每个网络需要预测三个目标框的位置信息和置信度confidence信息，一个目标框对应着四个位置信息和一个置信度信息；置信度代表所预测的目标框中包含目标的置信度和这个目标框预测的准确度这两重信息； 步骤5.4：目标中心落在一个网格里，记录该目标的各类信息，输出它的张量tensor； 步骤5.5：在预测过程中采用道路位置作为“先验知识”，由于主要检测地物目标为服务区、收费站，主要分布于道路两侧，有着明显的空间相邻关系，所以根据道路二值图形成的缓冲区划定范围，只在道路辐射三格的区域进行筛选，减少对干扰因素的预测，提高检测速度； 步骤5.6：通过yolo网络得到尺度特征图，尺度特征图上每个二维点，对应输入图像中的网格，关联特征图与预测框，开启端到端训练，经线性回归计算，使得锚框接近目标的真实标签； 步骤6：预测值经过损失，具体包括： 步骤6.1：在训练过程中，使用目标检测网络模型进行预测，并分别计算三个损失：置信度损失、类别损失、框位置损失；根据边框回归公式不断矫正预测框与标签框的重合度； 步骤6.2：再与道路二值图同传入道路损失进行回归计算，使网络学习到检测的目标靠近道路附近； 步骤7：遍历图像，录入矢量信息，具体包括： 步骤7.1：参数化外包框：将目标检测模型输出的矩形外包框参数转化为其左下顶点坐标和右上顶点坐标；转化公式如下： 其中，x,y,w,h分别代表矩形外包框的中心横坐标，中心纵坐标，宽和高； 步骤7.2：原有的像素点坐标转为空间地理坐标，遍历图像，得到精度高的预测框；写入矢量文件，写入过程判断矢量文件是否存在，若存在正常写入，若不存在，先创建矢量文件再写入；再连接四个空间地理坐标，使其闭合。

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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。