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！

龙图腾网获悉成都工业学院申请的专利一种融合隐私计算的双分支遥感目标智能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：CN121366359B 。

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：202511939431.9，技术领域涉及：G06V20/10；该发明授权一种融合隐私计算的双分支遥感目标智能检测方法是由李忠玉;沈益民;景小平;李君设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本一种融合隐私计算的双分支遥感目标智能检测方法在说明书摘要公布了：本发明公开了一种融合隐私计算的双分支遥感目标智能检测方法，包括以下步骤：S1、数据预处理，得到每张图像的图像权重；S2、建立双分支遥感目标检测模型，包括特征提取模块、特征融合模块和三个双分支输出模块；特征提取模块将SimAM机制和SPPF_ReLU模块加入YOLOv5l的CSPDarknet53特征提取模块中；特征融合模块采用CSPDarknet53架构；S3、根据图像权重对数据样本集中的图像样本进行采样，输入双分支遥感目标检测模型进行训练，利用训练好的模型对遥感目标进行检测。本发明能够增强其对少数类别特征的关注度，对于样本类别分布极不平衡的灾害遥感影像场景取得了优异的检测结果。

本发明授权一种融合隐私计算的双分支遥感目标智能检测方法在权利要求书中公布了：1.一种融合隐私计算的双分支遥感目标智能检测方法，其特征在于，包括以下步骤： S1、数据预处理，具体方法如下： S1-1、根据训练数据集中图像的样本标签，统计所有图像中每个目标类别的数量，，表示目标类别的总数量； 然后，取类别出现次数的倒数并进行归一化： 1； 2； 表示所有类别的倒数之和，是第个类别的数量，表示第个类别的类别占比； S1-2、统计训练数据集中每一张图像中每个类别的数量，，表示图像总数量；然后用与类别占比相乘得到该类别在本张图像中的占比： 3； S1-3、分别通过每个类别的占比得到每张图像的图像权重： 4； 5； 表示第轮迭代训练结束时第个类别的平均类别精度，表示第张图像在训练数据集中的图像权重，将图像权重作为图像的采样概率； 对于没有目标类别的背景图，将其图像权重赋值为0.5； S2、建立双分支遥感目标检测模型，该模型包括特征提取模块、特征融合模块和三个双分支输出模块； 特征提取模块包括依次连接的第一卷积层、第二卷积层、第一C3模块、第三卷积层、第二C3模块、第四卷积层、第三C3模块、第五卷积层、第四C3模块、SPPF_ReLU模块和SimAM模块；SPPF_ReLU模块输出的特征经过SimAM模块赋予不同的注意力权重，然后将SPPF_ReLU模块输出的特征图中的每个像素与simAM计算的每个像素的权重相乘，作为特征提取模块的输出特征图； 特征融合模块包括第六~九卷积层、两个上采样模块、三个Im_Ghost模块；特征提取模块输出的特征输入第六卷积层，第六卷积层的输出通过第一上采样模块后，与第三C3模块的输出特征连接，连接特征再输入第五C3模块； 第五C3模块的输出特征依次通过第七卷积层和第二上采样模块后，与第二C3模块的输出特征连接，连接特征输入第一Im_Ghost模块处理，第一Im_Ghost模块的输出特征与第二C3模块的输出特征进行逐元素相加，再将相加得到的特征输入第一双分支输出模块； 第一Im_Ghost模块的输出特征通过第八卷积层处理后，与第七卷积层的输出特征连接，连接特征输入第二Im_Ghost模块，第二Im_Ghost模块输出的特征与第三C3模块的输出特征进行逐元素相加，再将相加后的特征输入第二双分支输出模块； 第二Im_Ghost模块的输出特征通过第九卷积层处理后，与第六卷积层的输出特征连接，然后将连接特征输入第三Im_Ghost模块，第三Im_Ghost模块输出的特征与SPPF_ReLU模块的输出特征进行逐元素相加再将相加特征输入第三双分支输出模块； 所述Im_Ghost模块包括两个支路，其中一个支路中包括依次连接的GhostConv结构、DWConv结构、GhostConv结构，另一条支路包括依次连接的DWConv结构和普通卷积结构；两条支路的输出特征进行逐元素相加，然后再输入一个GhostConv结构进行处理； 双分支输出模块中首先采用卷积核大小为1×1的卷积模块将特征通道维度压缩到256；然后分为两个分支：一个分支使用卷积核大小为3×3的Conv模块进行特征提取，再用卷积核大小为1×1的基础卷积模块输出目标实例的分类特征信息Cls；另一个分支用卷积核大小为3×3的Conv模块进行特征提取，再分别用两个卷积核大小为1×1的基础卷积模块输出目标实例的置信度信息Obj和回归特征信息Reg；将分类特征信息Cls、回归特征信息Reg和置信度信息Obj在加密域中进行融合生成最终输出，方法为：分别通过同态加密或安全多方计算的方式生成加密后的表示：EncryptCls、EncryptReg、EncryptObj；融合过程表示为：Encryptoutputi=Encryptobji×EncryptClsi+EncryptRegi；Encryptobji、EncryptClsi和EncryptRegi分别表示加密后的置信度、分类得分和回归框；Encryptoutputi表示融合后的输出；i表示第i个候选框或目标； S3、根据S1得到的图像权重对数据样本集中的图像样本进行采样，输入双分支遥感目标检测模型，对模型进行训练，利用训练好的模型对遥感目标进行检测。

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成都工业学院，其通讯地址为：610031 四川省成都市金牛区花牌坊街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。