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 > 安徽省测绘档案资料馆(安徽省基础测绘信息中心);中国科学技术大学陈春晖获国家专利权

安徽省测绘档案资料馆(安徽省基础测绘信息中心);中国科学技术大学陈春晖获国家专利权

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!

龙图腾网获悉安徽省测绘档案资料馆(安徽省基础测绘信息中心);中国科学技术大学申请的专利基于视图一致性网络的弱监督遥感影像旋转目标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:CN118097447B

龙图腾网通过国家知识产权局官网在2025-09-05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:202410065108.2,技术领域涉及:G06V20/13;该发明授权基于视图一致性网络的弱监督遥感影像旋转目标检测方法是由陈春晖;厉香蕴;刘斌;方婷婷;叶元元;张迁;陈莉莉;杨晓红;曲丽佳;杨德彬设计研发完成,并于2024-01-17向国家知识产权局提交的专利申请。

基于视图一致性网络的弱监督遥感影像旋转目标检测方法在说明书摘要公布了:本发明公开了基于视图一致性网络的弱监督遥感影像旋转目标检测方法,包括:对获取的原始卫星影像I进行预处理以获得可能包含目标的水平候选区域集合{H1,…,HN};利用骨干网络提取原始卫星影像I的特征图M∈Rh×w×l,其中h、w、l分别为特征图长度、宽度及通道维度;将特征图M∈Rh×w×l和水平候选区域集合{H1,…,HN}输入预先建立和训练好的旋转目标检测模型,以得到第一类型旋转检测框,并将第一类型旋转检测框作为目标识别结果。本申请的基于视图一致性网络的弱监督遥感影像旋转目标检测方法减少了人工的标注的工作量,提高了弱监督目标的检测效率。

本发明授权基于视图一致性网络的弱监督遥感影像旋转目标检测方法在权利要求书中公布了:1.基于视图一致性网络的弱监督遥感影像旋转目标检测方法,其特征在于,包括: 对获取的原始卫星影像I进行预处理以获得可能包含目标的水平候选区域集合{H1,…,HN},其中,HN表示第N个水平候选区域;N表示候选区域的个数; 利用骨干网络提取原始卫星影像I的特征图M∈Rh×w×l,其中h、w、l分别为特征图长度、宽度及通道维度; 将特征图M∈Rh×w×l和水平候选区域集合{H1,…,HN}输入预先建立和训练好的旋转目标检测模型,以得到第一类型旋转检测框,并将第一类型旋转检测框作为目标识别结果; 其中,所述旋转目标检测模型的训练过程包括: 对原始影像I0进行K次随机旋转变换得到旋转视图集合K个细化阶段的输入分别对应K个旋转视图,将每一阶段产生的正例候选框和相应的原图候选框计算旋转一致性损失,最终损失为各阶段损失之和: 其中, 其中,Ind+为正例候选框的索引集合,表示k阶段的第i个正例候选框所在的聚类中心置信度,Lreg为衡量中心点坐标和角度偏差的回归损失;为原始影像I0的局部影像i0的旋转候选区域;为第k个旋转视图的局部视图ik对应的旋转候选区域; 利用实例级别伪标签分别在原图的旋转候选框集合和第k个变换视图的旋转候选框集合上生成聚类中心和 通过匈牙利匹配算法计算聚类中心分布差异损失; 所述旋转目标检测模型包括候选区域对齐模块、旋转角度预测模块、旋转候选区域对齐模块、K阶段PCL在线实例分类器细化网络以及非极大值抑制模块。

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安徽省测绘档案资料馆(安徽省基础测绘信息中心);中国科学技术大学,其通讯地址为:230031 安徽省合肥市蜀山区龙河路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”。

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。