Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院国家空间科学中心张倩倩获国家专利权

中国科学院国家空间科学中心张倩倩获国家专利权

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!

龙图腾网获悉中国科学院国家空间科学中心申请的专利一种面向无人机红外探测的小目标实时识别方法及系统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:CN118314477B

龙图腾网通过国家知识产权局官网在2025-07-11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:202410413937.5,技术领域涉及:G06V20/17;该发明授权一种面向无人机红外探测的小目标实时识别方法及系统是由张倩倩;周莉;安军社设计研发完成,并于2024-04-08向国家知识产权局提交的专利申请。

一种面向无人机红外探测的小目标实时识别方法及系统在说明书摘要公布了:本发明属于视觉检测技术领域,具体涉及一种面向无人机红外探测的小目标实时识别方法及系统。该方法包括:将无人机采集的红外图像输入训练好的识别模型,输出检测结果;识别模型包括:基于LCNet改进的特征提取主干网络、基于LCPAN改进的特征融合颈部网络以及目标检测网络;其中,特征提取主干网络引入SE模块,用于提取输入图像中不同尺度的小目标特征;特征融合颈部网络,通过将特征金字塔结构融入更低层特征,以及改进特征图空间维度上的下采样率,用于将不同尺度的小目标特征进行融合以生成多尺度特征;目标检测网络,用于进行目标分类和回归并输出小目标检测结果。本发明针对无人机红外弱小目标的特性,有效提高了识别准确度。

本发明授权一种面向无人机红外探测的小目标实时识别方法及系统在权利要求书中公布了:1.一种面向无人机红外探测的小目标实时识别方法,包括: 将无人机采集的红外图像输入训练好的识别模型,输出检测结果; 所述识别模型包括:基于LCNet改进的特征提取主干网络、基于LCPAN改进的特征融合颈部网络以及目标检测网络;其中, 所述特征提取主干网络引入SE模块,用于提取输入图像中不同尺度的小目标特征; 所述特征融合颈部网络,通过将特征金字塔结构融入更低层特征,以及改进特征图空间维度上的下采样率,用于将不同尺度的小目标特征进行融合以生成多尺度特征; 所述目标检测网络,用于进行目标分类和回归并输出小目标检测结果; 所述特征提取主干网络包括6个Block,分别为Block1~Block6,每个Block内部采用深度可分离卷积和可选的SE模块来提取特征,并通过前向传播函数输出不同层级的多尺度特征图;其中, Block1包括1个Conv2D卷积层、1个BatchNorm2D批量归一化层以及一个Hard_Swish激活函数; Block2包括1层深度可分离卷积层,卷积核为3×3,输入通道数为16,输出通道数为32; Block3包括2层3×3深度可分离卷积层,其中第1层输入通道数为32,输出通道数为64,步长为2;第2层输入通道数为64,输出通道数为64,步长为1; Block4包括2层3×3深度可分离卷积层,其中第1层输入通道数为64,输出通道数为128,步长为2;第2层输入通道数为128,输出通道数为128,步长为1; Block5包括1层3×3深度可分离卷积层和5层5×5深度可分离卷积层,其中3×3卷积层和前3层5×5卷积层均不使用SE模块,后2层5×5深度可分离卷积层加入SE模块; Block6包括2层5×5深度可分离卷积,各层均使用SE模块; 所述特征融合颈部网络将LCPAN中的用于特征金字塔网络的特征图层级由3、4和5层改为2、3和4层,以增强对小目标的检测能力;将LCPAN中的特征金字塔网络的大步长调整为4、8、16和32小步长,以提高对小目标的识别精确度。

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中国科学院国家空间科学中心,其通讯地址为:100190 北京市海淀区中关村南二条1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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。