買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉無錫學院申請的專利基于WSSRNet的SAR圖像船艦小目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119942092B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510421867.2，技術領域涉及：G06V10/25；該發明授權基于WSSRNet的SAR圖像船艦小目標檢測方法是由陳昕;單慧琳;張銀勝;胡宇翔;王冬冬;王學偉;吳梓杰設計研發完成，并于2025-04-07向國家知識產權局提交的專利申請。

本基于WSSRNet的SAR圖像船艦小目標檢測方法在說明書摘要公布了：本發明公開了基于WSSRNet的SAR圖像船艦小目標檢測方法，包括：獲取SAR船艦圖像數據集并進行預處理；搭建基于WSSRNet的SAR圖像船艦檢測網絡；將訓練和驗證集輸入網絡中進行訓練，計算損失函數并進行反向傳播，得到訓練好的最佳參數網絡；將測試集輸入訓練好的最佳參數網絡中，輸出SAR船艦圖像的船艦檢測圖。本發明通過構建多尺度小波卷積殘差模塊增強小目標上下文特征提取能力，設計淺層跳躍殘差結構提升空間定位精度，并結合形狀自適應的邊界框回歸策略，有效解決SAR圖像中船艦小目標因散射效應、噪聲干擾導致的漏檢與定位偏差問題，在保障實時檢測效率的同時顯著提升密集場景下小目標的召回率與檢測精度。

本發明授權基于WSSRNet的SAR圖像船艦小目標檢測方法在權利要求書中公布了：1.基于WSSRNet的SAR圖像船艦小目標檢測方法，其特征在于，包括如下步驟： 步驟1，獲取SAR船艦圖像數據集，對數據集進行預處理后，按照設定的比例劃分為訓練集、驗證集和測試集； 步驟2，搭建基于WSSRNet的SAR圖像船艦檢測網絡，包括主干網絡、頸部網絡和檢測層；其中， 主干網絡包括第一至第五卷積模塊、第一至第四多尺度小波卷積殘差模塊以及快速空間金字塔池化模塊；主干網絡輸入的SAR船艦圖像依次經第一卷積模塊、第二卷積模塊和第一多尺度小波卷積殘差模塊進行特征提取，得到特征圖C2；C2依次經第三卷積模塊和第二多尺度小波卷積殘差模塊進行特征提取，得到特征圖C3；C3依次經第四卷積模塊和第三多尺度小波卷積殘差模塊進行特征提取，得到特征圖C4；C4依次經第五卷積模塊、第四多尺度小波卷積殘差模塊和快速空間金字塔池化模塊進行特征提取，得到特征圖C5； 其中，第一和第四多尺度小波卷積殘差模塊的結構相同，均包括第八至第十卷積模塊、第一小波變換卷積模塊以及第一至第二瓶頸模塊； 第一或第四多尺度小波卷積殘差模塊的輸入經第八卷積模塊后，被均勻分割為四個特征子集，第二特征子集依次經第一小波變換卷積模塊和第九卷積模塊，得到第九卷積模塊的輸出；第九卷積模塊的輸出與第三特征子集逐元素相加后，作為第一瓶頸模塊的輸入；第一瓶頸模塊的輸出與第四特征子集逐元素相加后，作為第二瓶頸模塊的輸入；第二瓶頸模塊的輸出與第一瓶頸模塊的輸出、第九卷積模塊的輸出以及第一特征子集進行通道拼接后，作為第十卷積模塊的輸入；第十卷積模塊的輸出與第一或第四多尺度小波卷積殘差模塊的輸入進行通道拼接后，得到第一或第四多尺度小波卷積殘差模塊的輸出； 第二和第三多尺度小波卷積殘差模塊的結構相同，均包括第八至第十卷積模塊、第一小波變換卷積模塊以及第一至第六瓶頸模塊； 第二或第三多尺度小波卷積殘差模塊的輸入經第八卷積模塊后，被均勻分割為四個特征子集，第二特征子集依次經第一小波變換卷積模塊和第九卷積模塊，得到第九卷積模塊的輸出；第九卷積模塊的輸出與第三特征子集逐元素相加后，作為第一瓶頸模塊的輸入；第一瓶頸模塊的輸出依次經第三瓶頸模塊和第四瓶頸模塊，得到第四瓶頸模塊的輸出；第四瓶頸模塊的輸出與第四特征子集逐元素相加后，作為第二瓶頸模塊的輸入；第二瓶頸模塊的輸出依次經第五瓶頸模塊和第六瓶頸模塊，得到第六瓶頸模塊的輸出；第六瓶頸模塊的輸出與第四瓶頸模塊的輸出、第九卷積模塊的輸出以及第一特征子集進行通道拼接后，作為第十卷積模塊的輸入；第十卷積模塊的輸出與第二或第三多尺度小波卷積殘差模塊的輸入進行通道拼接后，得到第二或第三多尺度小波卷積殘差模塊的輸出； 頸部網絡包括第六至第七卷積模塊、第一至第五跨階段部分融合模塊以及第一至第三上采樣模塊；利用第一上采樣模塊對C5進行上采樣，上采樣結果與C4進行通道拼接，拼接結果經第一跨階段部分融合模塊進行特征融合，得到特征圖F0；利用第二上采樣模塊對F0進行上采樣，上采樣結果與C3進行通道拼接，拼接結果經第二跨階段部分融合模塊進行特征融合，得到特征圖F1；利用第三上采樣模塊對F1進行上采樣，上采樣結果與C2進行通道拼接，拼接結果經第三跨階段部分融合模塊進行特征融合，得到特征圖P2；P2經第六卷積模塊提取特征后，再與F1以及第三卷積模塊的輸出進行通道拼接，拼接結果經第四跨階段部分融合模塊進行特征融合，得到特征圖P3；P3經第七卷積模塊提取特征后，再與F0以及第四卷積模塊的輸出進行通道拼接，拼接結果經第五跨階段部分融合模塊進行特征融合，得到特征圖P4； 檢測層包括第一至第三檢測頭，第三跨階段部分融合模塊輸出的特征圖P2作為第一檢測頭的輸入，用于檢測小尺度船艦目標；第四跨階段部分融合模塊輸出的特征圖P3作為第二檢測頭的輸入，用于檢測中尺度船艦目標；第五跨階段部分融合模塊輸出的特征圖P4作為第三檢測頭的輸入，用于檢測大尺度船艦目標； 步驟3，將訓練集和驗證集輸入到步驟2搭建的基于WSSRNet的SAR圖像船艦檢測網絡中進行訓練和驗證，計算損失函數并進行反向傳播，更新網絡參數，得到訓練好的最佳參數網絡； 步驟4，將測試集輸入到訓練好的最佳參數網絡中，輸出SAR船艦圖像的船艦檢測圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人無錫學院，其通訊地址為：214105 江蘇省無錫市錫山區錫山大道333號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。