買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請的專利基于融合卷積注意力機(jī)制的遙感圖像目標(biāo)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116229295B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202310176483.X，技術(shù)領(lǐng)域涉及：G06V20/17；該發(fā)明授權(quán)基于融合卷積注意力機(jī)制的遙感圖像目標(biāo)檢測方法是由朱虎明;王晨;王金成;繆孔苗;李秋明;薛怡煜;侯彪;焦李成設(shè)計(jì)研發(fā)完成，并于2023-02-28向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本基于融合卷積注意力機(jī)制的遙感圖像目標(biāo)檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于融合卷積注意力機(jī)制的遙感圖像目標(biāo)檢測方法，解決了小目標(biāo)檢測精度低，收斂速度慢的問題。實(shí)現(xiàn)包括：收集并處理遙感圖像數(shù)據(jù)；搭建特征提取主干網(wǎng)絡(luò)、融合卷積的Transformer編碼?解碼架構(gòu)；組成融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型；訓(xùn)練、測試目標(biāo)檢測網(wǎng)絡(luò)模型。本發(fā)明采用金字塔結(jié)構(gòu)的下采樣特征提取主干網(wǎng)絡(luò)，對不同大小的輸入圖像輸出大小相同的特征矩陣；搭建了具有深度卷積、逐點(diǎn)卷積的卷積模塊，增強(qiáng)了對遙感圖像局部特征的信息提取能力；將部分注意力頭替換為卷積模塊，降低了矩陣運(yùn)算的大參數(shù)量，降低了訓(xùn)練耗時(shí)。用在航空飛機(jī)、遙感衛(wèi)星、智慧交通、智慧農(nóng)業(yè)等對遙感圖像目標(biāo)檢測實(shí)時(shí)性和準(zhǔn)確率要求高的領(lǐng)域。

本發(fā)明授權(quán)基于融合卷積注意力機(jī)制的遙感圖像目標(biāo)檢測方法在權(quán)利要求書中公布了：1.一種基于融合卷積注意力機(jī)制的遙感圖像目標(biāo)檢測方法，其特征在于，包括有如下步驟： 步驟1，收集并處理遙感圖像數(shù)據(jù)：從公開網(wǎng)站中獲取公開的遙感圖像，將其劃分為訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集、測試數(shù)據(jù)集，總體構(gòu)成遙感圖像數(shù)據(jù)集；該遙感圖像數(shù)據(jù)集共包含十五類目標(biāo)，分別是：飛機(jī)、船、存儲(chǔ)罐、棒球場、網(wǎng)球場、籃球場、操場、港口、橋梁、大型車輛、小型車輛、直升飛機(jī)、環(huán)島、足球場、游泳池；將遙感圖像數(shù)據(jù)集中的原始圖像數(shù)據(jù)所有目標(biāo)的坐標(biāo)和類別信息生成txt文件，并和原始圖像數(shù)據(jù)一起輸入到搭建的特征提取主干網(wǎng)絡(luò)中； 步驟2，搭建特征提取主干網(wǎng)絡(luò)：搭建的特征提取主干網(wǎng)絡(luò)由四個(gè)卷積組順序連接構(gòu)成，第一個(gè)卷積組依次通過卷積層、Norm層、激活函數(shù)層、最大池化層構(gòu)成；其中，第二、三、四卷積組分別由不同數(shù)目的殘差連接單元順序連接構(gòu)成，每個(gè)殘差連接單元的結(jié)構(gòu)為卷積層、GN層、激活函數(shù)層順序堆疊而成；輸入的原始圖像數(shù)據(jù)經(jīng)過搭建的特征提取主干網(wǎng)絡(luò)下采樣操作后輸出遙感圖像特征矩陣； 步驟3，搭建融合卷積的Transformer編碼器：搭建的Transformer編碼器包含有卷積模塊和注意力模塊并行連接構(gòu)成的融合卷積多頭注意力模塊，該編碼器從輸入端依次包括有融合卷積多頭注意力模塊、殘差連接和層歸一化模塊、前向傳播模塊、殘差連接和層歸一化模塊，其中，所述融合卷積多頭注意力模塊中的卷積模塊包括有順序連接的第一卷積層、第一激活函數(shù)層、第二卷積層、BN層、第二激活函數(shù)層、第三卷積層，注意力模塊包括有順序連接的LN層、自注意力層、前饋網(wǎng)絡(luò)層；其中，卷積模塊和注意力模塊的比例為4：4，卷積模塊與注意力模塊輸出后的矩陣大小相同，通過concat級聯(lián)后形成與融合卷積的Transformer編碼器輸入矩陣大小相同的輸出矩陣； 步驟4，搭建混合注意力機(jī)制的Transformer解碼器：解碼器通過自注意力機(jī)制對輸入的目標(biāo)查詢矩陣進(jìn)行冗余信息處理，交叉注意力機(jī)制對編碼器輸出的特征矩陣和目標(biāo)查詢矩陣進(jìn)行關(guān)系建模，通過前向傳播模塊對圖像特征和預(yù)測框進(jìn)行特征變換； 步驟5，組成融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型：建立依次由特征提取主干網(wǎng)絡(luò)、融合卷積的Transformer編碼器、混合注意力機(jī)制的Transformer解碼器組成的融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型，簡稱網(wǎng)絡(luò)模型； 步驟6，訓(xùn)練融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型：用訓(xùn)練數(shù)據(jù)集對由特征提取主干網(wǎng)絡(luò)、融合卷積注意力機(jī)制編碼器、混合注意力機(jī)制解碼器順序連接構(gòu)成的融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型； 步驟7，測試融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型：用訓(xùn)練好的融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型對測試數(shù)據(jù)集進(jìn)行檢測，即將測試集輸入到訓(xùn)練好的融合卷積注意力機(jī)制目標(biāo)檢測網(wǎng)絡(luò)模型中，得到遙感圖像數(shù)據(jù)集每一類目標(biāo)的檢測結(jié)果，包括平均精度AP及所有類目標(biāo)的平均精度均值mAP。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。