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！

龙图腾网获悉西安工业大学申请的专利基于级联组合网络的大地背景小目标识别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：CN115861756B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211656006.5，技术领域涉及：G06V10/80；该发明授权基于级联组合网络的大地背景小目标识别方法是由张维光;苏鹏创;冀文欢设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本基于级联组合网络的大地背景小目标识别方法在说明书摘要公布了：本发明公开了一种基于级联组合网络的大地背景小目标识别方法，主要解决现有技术在对地观测动态和复杂大地背景下不易实现与小目标区域粗分割和小目标识别的问题。其方案是：构建、增强、标注、转换和划分大地背景小目标可见光图片数据集；基于现有的语义分割模型，通过引入注意力机制、多尺度小目标特征融合结构、残差网络构建大地背景小目标分割模型，并对其进行训练实现对背景和小目标的区域粗分割；对现有的小目标检测模型进行训练得到大地背景下小目标识别模型，使用该模型完成对粗分割后且经预处理后图片的再识别。本发明提高了空对地观测复杂、多变大地背景与小目标间的区域粗分割和识别精度，可用于遥感图像、交通监控、自动驾驶多种场景。

本发明授权基于级联组合网络的大地背景小目标识别方法在权利要求书中公布了：1.一种基于级联组合网络的大地背景小目标识别方法，其特征在于，包括以下步骤： 1构建语义分割模型和yolov5-s小目标检测网络模型的大地背景小目标图片数据集： 1a对大地背景下的小目标可见光图像数据集进行图像增强和软件标注的预处理； 1b将预处理后数据集按照8：2的比例划分为语义分割模型的训练集和验证集； 1c将预处理后的数据集按照8：1：1的比例划分为yolov5-s小目标检测网络模型的训练集、验证集和测试集； 2对现有的Deeplabv3plus语义分割模型进行改进，构建大地背景小目标分割模型： 2a对语义分割网络模型的主干网络中1个浅层高分辨率特征层和2个深层低分辨率特征层，引用注意力机制进行处理，得到更深层的特征层； 2b在语义分割模型中的小目标特征融合ASPP特征融合结构的基础上增加一个新的小目标特征融合分支，并调整其内部空洞卷积的空洞率参数为4、8、12、16，形成多尺度小目标特征融合ASPP-6结构,用于以加强融合后的第一个深层低分辨率特征层；所述ASPP-6结构，包括前、后两部分： 前半部分由1x1卷积、空洞率为4的3x3卷积、空洞率为8的3x3卷积、空洞率为12的3x3卷积、空洞率为16的3x3卷积、全局平均池化这6个分支依次级联组成，其中每一个分支会生成一个特征层，每一个3x3卷积分支由卷积、批量归一化和relu激活函数构成； 后半部分为引用concat函数对这6个分支处理后的特征层进行小目标特征融合操作； 2c利用语义分割网络模型中的主干网络提取适合小目标分割的浅层高分辨率特征层，使用1x1卷积对通道数进行调整处理，并将该通道数调整后的浅层高分辨率特征层与2b中加强融合后的低分辨率特征层引用concat函数进行堆叠处理，形成残差网络结构； 2d将步骤2a通过注意力机制处理后的主干网络、步骤2b形成的多尺度小目标特征融合ASPP-6结构、步骤2c形成的残差网络结构依次级联，构成大地背景小目标分割模型； 3对大地背景小目标分割模型进行训练： 3a利用现有的PascalVOC2007公开数据集的训练集，采用先前向传播、再反向传播的训练方式对大地背景小目标分割模型进行预训练，得到预训练后的大地背景小目标分割模型； 3b利用语义分割模型的训练集，使用先冻结骨干网络、再解冻骨干网络的两阶段训练方式，对预训练后的大地背景小目标分割模型再进行训练,得到训练好的大地背景小目标语义分割模型，并生成经由语义分割模型的训练集训练的模型权重文件； 4基于语义分割模型的验证集，对训练好的大地背景小目标语义分割模型，使用大地背景小目标分割模型的预测脚本文件进行验证，实现大地背景和小目标的区域粗分割； 5基于1c中的yolov5-s小目标检测网络模型的训练集，使用混合精度训练方法对yolov5-s小目标检测网络模型进行训练，获得训练好的大地背景下小目标识别模型，并生成经由小目标检测网络模型的训练集训练的模型权重文件； 6使用训练好的大地背景下小目标识别模型对大地背景小目标语义分割模型粗分割后的图片数据集进行检测，检测出图片数据集中大地背景下小目标的位置和类别，即在大地背景和小目标的区域粗分割的基础上再对大地背景下小目标的识别，实现背景分割和目标识别的级联组合检测。

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西安工业大学，其通讯地址为：710021 陕西省西安市未央区学府中路2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。