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！

龙图腾网获悉北方工业大学申请的专利基于遥感图像的飞行器目标检测方法、装置、设备及介质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：CN116805363B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310582258.6，技术领域涉及：G06V10/25；该发明授权基于遥感图像的飞行器目标检测方法、装置、设备及介质是由毕福昆;孔令茁;韩健鸿;李子静设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本基于遥感图像的飞行器目标检测方法、装置、设备及介质在说明书摘要公布了：本发明提供一种基于遥感图像的飞行器目标检测方法、装置、设备及介质，涉及深度学习技术领域，该方法包括：获取待检测的遥感图像；将遥感图像输入到经过预训练的定向框检测模型中，得到定向框检测模型输出的对遥感图像中的飞行器目标的检测结果；其中，定向框检测模型包括特征提取网络、特征融合网络和定向框预测网络；特征融合网络包括递归特征金字塔网络和多个特征融合层；每一个特征融合层以全连接的方式融合递归特征金字塔网络的各层特征。通过全连接的方式，基于递归特征金字塔网络和多个特征融合层，能够将不同尺度的特征信息充分融合，解决了遥感图像中由于飞行器尺度多样导致的误检和漏检问题，提高了对飞行器的检测精度。

本发明授权基于遥感图像的飞行器目标检测方法、装置、设备及介质在权利要求书中公布了：1.一种基于遥感图像的飞行器目标检测方法，其特征在于，包括： 获取待检测的遥感图像； 将所述遥感图像输入到经过预训练的定向框检测模型中，得到所述定向框检测模型输出的对所述遥感图像中的飞行器目标的检测结果； 其中，所述定向框检测模型包括特征提取网络、特征融合网络和定向框预测网络；所述特征融合网络包括递归特征金字塔网络和多个特征融合层；每一所述特征融合层与所述递归特征金字塔网络以全连接的方式连接，用于对所述递归特征金字塔网络中的各层特征进行融合； 所述将所述遥感图像输入到经过预训练的定向框检测模型中，得到所述定向框检测模型输出的对所述遥感图像中的飞行器目标的检测结果，包括： 将所述遥感图像切片处理后输入到经过预训练的定向框检测模型中，基于所述定向框检测模型中的特征提取网络提取所述遥感图像的第一特征图像； 利用所述定向框检测模型中的递归特征金字塔网络对所述第一特征图像进行采样处理，得到所述递归特征金字塔网络各特征层对应的第二特征图像；所述采样处理包括下采样和上采样； 基于所述定向框检测模型中的特征融合层，对所述递归特征金字塔网络各特征层的第二特征图像进行融合，得到融合特征图像； 利用所述定向框检测模型中的定向框预测网络对所述融合特征图像进行检测，并生成检测到的所述遥感图像中的飞行器目标的定向框，得到所述定向框检测模型输出的对所述遥感图像中的飞行器目标的检测结果； 所述递归特征金字塔网络包括结构相同的第一递归特征金字塔和第二递归特征金字塔； 所述递归特征金字塔网络还包括空间金字塔池化层，所述空间金字塔池化层设置在所述第一递归特征金字塔与所述第二递归特征金字塔之间，用于将所述第一递归特征金字塔各特征层输出的特征图像映射到所述第二递归特征金字塔中； 所述空间金字塔池化层包括连接层、全局池化层和多个空洞卷积通道，所述多个空洞卷积通道的卷积核相同、空洞率不同；所述连接层用于将所述全局池化层的输出特征和所述多个空洞卷积通道的输出特征按通道合并； 所述利用所述定向框检测模型中的递归特征金字塔网络对所述第一特征图像进行采样处理，得到所述递归特征金字塔网络各特征层对应的第二特征图像，包括： 利用所述递归特征金字塔网络中的第一递归特征金字塔对所述第一特征图像进行采样处理，得到所述第一递归特征金字塔中各特征层对应的第一特征子图； 基于所述递归特征金字塔网络中的空间金字塔池化层，对所述第一递归特征金字塔的第一目标特征层对应的特征子图进行处理，并将处理后的特征子图映射到所述第二递归特征金字塔的第二目标特征层，得到所述第二目标特征层对应的第二特征子图； 利用所述第二递归特征金字塔网络对所述第二特征子图进行采样处理，得到所述第二目标特征层对应的第二特征图像； 所述第一目标特征层是所述第一递归特征金字塔中的任一特征层，所述第二目标特征层是所述第二递归特征金字塔中与所述第一目标特征层对应的特征层。

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北方工业大学，其通讯地址为：100144 北京市石景山区晋元庄路5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”。

以上内容由龙图腾AI智能生成。