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！

龍圖騰網獲悉南京信息工程大學申請的專利一種改進YOLOV8算法的遙感圖像目標檢測方法及系統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：CN117197669B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202311150581.2，技術領域涉及：G06V20/10；該發明授權一種改進YOLOV8算法的遙感圖像目標檢測方法及系統是由張秀再;沈濤設計研發完成，并于2023-09-07向國家知識產權局提交的專利申請。

本一種改進YOLOV8算法的遙感圖像目標檢測方法及系統在說明書摘要公布了：本發明公開了一種改進YOLOV8算法的遙感圖像目標檢測方法及系統，涉及深度學習和計算機視覺技術領域，包括以下步驟：接收遙感目標數據集，對遙感目標數據集進行預處理，得到遙感目標處理數據集，將遙感目標處理數據集分為訓練集、驗證集與測試集，其中，所述遙感目標數據集為通過遙感拍攝視頻進行抽幀采樣得到的采樣圖片；將訓練集和驗證集輸入至預先建立的YOLOv8原始模型內進行訓練驗證并進行改進，得到改進YOLOv8模型，其中所述YOLOv8原始模型在訓練需設置參數；將測試集輸入至改進YOLOv8模型內進行遙感圖像目標檢測，得到遙感圖像目標檢測結果。

本發明授權一種改進YOLOV8算法的遙感圖像目標檢測方法及系統在權利要求書中公布了：1.一種改進YOLOV8算法的遙感圖像目標檢測方法，其特征在于，方法包括以下步驟： 接收遙感目標數據集，對遙感目標數據集進行預處理，得到遙感目標處理數據集，將遙感目標處理數據集分為訓練集、驗證集與測試集，其中，所述遙感目標數據集為通過遙感拍攝視頻進行抽幀采樣得到的采樣圖片； 將訓練集和驗證集輸入至預先建立的YOLOv8原始模型內進行訓練驗證并進行改進，得到改進YOLOv8模型，其中所述YOLOv8原始模型在訓練需設置參數； 將測試集輸入至改進YOLOv8模型內進行遙感圖像目標檢測，得到遙感圖像目標檢測結果； 所述改進YOLOv8模型包括： 將殘差結構與全局注意力相結合的殘差注意力網絡，全局注意力機制的過程表示為： [K1·ReLUw2y+b2T]， y＝w1K1 T+b1， [ConvBNConvBNRELUK2]， 其中，F1為輸入特征圖，F2為通道注意力子模塊輸出特征圖，sigmoid和ReLu為激活函數，w1、w2和b1、b2分別為多層感知機的初始權值和偏執項，y為多層感知機的輸出，K1、K2為圖像的特征值，T表示轉置，ConvBN為歸一化層，MC為通道注意力函數，F3為全局注意力輸出特征圖，MS為空間注意力函數； 將殘差結構引入后，得到的殘差注意力網絡如下： 其中F4為殘差注意力的輸出特征圖； 可變形卷積，可變形卷積中卷積核每個像素點的位置通過一個偏移量確定，使得采樣網格不再受限于規則分布，能夠適應不同形狀的物體，可變形卷積對規則采樣網格R增加偏移量進行擴充，對任意位置p，輸出特征圖Y可表示為 其中，p表示輸入特征圖的任意位置，K表示卷積核的個數，wk和pk分別表示第k個位置的權重和偏移量，Δpk和Δmk分別表示第k個位置的可學習偏移量和調制標量，Δmk對卷積的在輸入特征圖上的采樣點的偏移量計算權重，去除無關的上下文信息，對于無關的采樣點權重直接學習成0； 由于偏移量的引入，采樣的9個位置不再規則，偏移量Δpn通常為分數，所以采用雙線性插值實現，可表示為 Gq,p＝max0,1-|qx-px|·max0,1-|qy-py|, 其中，p表示任意分數位置，q枚舉特征圖X中的所有積分空間位置，px、py、qx、qy分別為p和q的橫縱坐標，G·,·是雙線性插值核，MAX·,·為取最大值函數； 可變形RoI池化，可變形RoI池化引入了偏移量來增強特征表示的表達能力，RoI池化定義經過最后一次卷積后特征圖上的一個矩形框為感興趣區域RoI，對于給定輸入特征圖，RoI池化層將RoI分為k×k個直方圖，并輸出k×k個輸出特征圖，定義第i，j個直方圖為bini,j0≤i,j≤k，則對應的輸出特征圖yi,j為 其中x·為輸入特征圖，p0為感興趣的左上角坐標，p為枚舉直方圖bini,j中的像素點，nij為直方圖bini,j的像素點個數； 在可變形RoI池化在RoI池化中添加偏移量Δpij，產生新的像素點位置，則對應輸出特征圖yi,j由下式表示為 還包括使用改進具有動態聚焦機制的邊界盒回歸損失函數。

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南京信息工程大學，其通訊地址為：210044 江蘇省南京市浦口區寧六路219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”。