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！

龙图腾网获悉南京信息工程大学申请的专利一种改进YOLOV8算法的遥感图像目标检测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：CN117197669B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202311150581.2，技术领域涉及：G06V20/10；该发明授权一种改进YOLOV8算法的遥感图像目标检测方法及系统是由张秀再;沈涛设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本一种改进YOLOV8算法的遥感图像目标检测方法及系统在说明书摘要公布了：本发明公开了一种改进YOLOV8算法的遥感图像目标检测方法及系统，涉及深度学习和计算机视觉技术领域，包括以下步骤：接收遥感目标数据集，对遥感目标数据集进行预处理，得到遥感目标处理数据集，将遥感目标处理数据集分为训练集、验证集与测试集，其中，所述遥感目标数据集为通过遥感拍摄视频进行抽帧采样得到的采样图片；将训练集和验证集输入至预先建立的YOLOv8原始模型内进行训练验证并进行改进，得到改进YOLOv8模型，其中所述YOLOv8原始模型在训练需设置参数；将测试集输入至改进YOLOv8模型内进行遥感图像目标检测，得到遥感图像目标检测结果。

本发明授权一种改进YOLOV8算法的遥感图像目标检测方法及系统在权利要求书中公布了：1.一种改进YOLOV8算法的遥感图像目标检测方法，其特征在于，方法包括以下步骤： 接收遥感目标数据集，对遥感目标数据集进行预处理，得到遥感目标处理数据集，将遥感目标处理数据集分为训练集、验证集与测试集，其中，所述遥感目标数据集为通过遥感拍摄视频进行抽帧采样得到的采样图片； 将训练集和验证集输入至预先建立的YOLOv8原始模型内进行训练验证并进行改进，得到改进YOLOv8模型，其中所述YOLOv8原始模型在训练需设置参数； 将测试集输入至改进YOLOv8模型内进行遥感图像目标检测，得到遥感图像目标检测结果； 所述改进YOLOv8模型包括： 将残差结构与全局注意力相结合的残差注意力网络，全局注意力机制的过程表示为： [K1·ReLUw2y+b2T]， y＝w1K1 T+b1， [ConvBNConvBNRELUK2]， 其中，F1为输入特征图，F2为通道注意力子模块输出特征图，sigmoid和ReLu为激活函数，w1、w2和b1、b2分别为多层感知机的初始权值和偏执项，y为多层感知机的输出，K1、K2为图像的特征值，T表示转置，ConvBN为归一化层，MC为通道注意力函数，F3为全局注意力输出特征图，MS为空间注意力函数； 将残差结构引入后，得到的残差注意力网络如下： 其中F4为残差注意力的输出特征图； 可变形卷积，可变形卷积中卷积核每个像素点的位置通过一个偏移量确定，使得采样网格不再受限于规则分布，能够适应不同形状的物体，可变形卷积对规则采样网格R增加偏移量进行扩充，对任意位置p，输出特征图Y可表示为 其中，p表示输入特征图的任意位置，K表示卷积核的个数，wk和pk分别表示第k个位置的权重和偏移量，Δpk和Δmk分别表示第k个位置的可学习偏移量和调制标量，Δmk对卷积的在输入特征图上的采样点的偏移量计算权重，去除无关的上下文信息，对于无关的采样点权重直接学习成0； 由于偏移量的引入，采样的9个位置不再规则，偏移量Δpn通常为分数，所以采用双线性插值实现，可表示为 Gq,p＝max0,1-|qx-px|·max0,1-|qy-py|, 其中，p表示任意分数位置，q枚举特征图X中的所有积分空间位置，px、py、qx、qy分别为p和q的横纵坐标，G·,·是双线性插值核，MAX·,·为取最大值函数； 可变形RoI池化，可变形RoI池化引入了偏移量来增强特征表示的表达能力，RoI池化定义经过最后一次卷积后特征图上的一个矩形框为感兴趣区域RoI，对于给定输入特征图，RoI池化层将RoI分为k×k个直方图，并输出k×k个输出特征图，定义第i，j个直方图为bini,j0≤i,j≤k，则对应的输出特征图yi,j为 其中x·为输入特征图，p0为感兴趣的左上角坐标，p为枚举直方图bini,j中的像素点，nij为直方图bini,j的像素点个数； 在可变形RoI池化在RoI池化中添加偏移量Δpij，产生新的像素点位置，则对应输出特征图yi,j由下式表示为 还包括使用改进具有动态聚焦机制的边界盒回归损失函数。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。