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！

龙图腾网获悉重庆邮电大学申请的专利一种基于环形平滑标签的航拍图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：CN116597324B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310316045.9，技术领域涉及：G06V20/17；该发明授权一种基于环形平滑标签的航拍图像旋转目标检测方法是由蒋畅江;王继承设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种基于环形平滑标签的航拍图像旋转目标检测方法在说明书摘要公布了：本发明涉及一种基于环形平滑标签的航拍图像旋转目标检测方法，属于图像处理领域。该方法包括以下步骤：S1：利用环形平滑标签CSL对图像标签的格式进行处理，使标签中角度信息具有周期性；S2：针对存在遮挡、目标小等原因导致的特征提取困难的问题，在YOLOv5s网络的特征提取模块引入全局上下文模块，对其进行改进并搭建旋转目标检测模型；S3：利用GSConv卷积替代标准卷积优化网络的Neck模块并生成不同尺寸的特征图；S4：进行类别预测和包含角度信息的旋转包络框预测；S5：计算分类损失、置信度损失、定位损失以及角度损失；S6：利用改进后的检测模型对预处理后的数据集进行训练；S7：输入测试集，得到检测结果。

本发明授权一种基于环形平滑标签的航拍图像旋转目标检测方法在权利要求书中公布了：1.一种基于环形平滑标签的航拍图像旋转目标检测方法，其特征在于：该方法包括以下步骤： S1：对数据集中的图像进行数据预处理，将训练图像标签处理成符合旋转目标检测的格式；对训练图像进行数据预处理具体包括：将数据标签从poly格式{x1,y1,x2,y2,x3,y3,x4,y4}转换成xc,yc,w,h,θ格式，其中w表示包络框中最长的边，h表示与w对应的另一条边，θ表示w与x轴逆时针所成的夹角；再利用CSL对数据集中的标签进行处理，将标签中的角度信息传入高斯函数获得高斯函数平滑标签； S2：对经过标签处理后的图像进行数据增强以增强网络的鲁棒性； S3：优化改进YOLOv5s模型的主干网络部分，首先是经过两个卷积核大小为3×3、步长为2的Conv模块，特征图缩小2倍；再经过第一个C3全局注意力GC模块，其中C3模块由两个支路Concat组成，支路一为Conv模块，支路二由Conv模块和n个BottleNeck模块组成，GC模块添加在C3的支路一中；第三至七层为连续的Conv模块和C3模块，第八层为C3_GC模块，第九层为SPPF模块，实现局部特征和全局特征的featureMap级别的融合； S4：构建模型颈部网络的FPN结构，由GSConv模块、上采样单元、Concat操作以及C3模块组成，经过两次上采样后分别得到P3、P4级别的特征图，之后分别与C3、C4级特征图进行Concat操作，将高层特征通过上采样和低层特征做融合，传递高层的语义特征；其中GSConv使用shuffle将标准卷积生成的信息渗透到深度可分离卷积生成的信息的每个部分，使其计算的输出接近标准卷积； S5：构建模型颈部网络的PANet结构，是一个自底向上的特征金字塔结构，由GSConv模块、Concat操作以及C3模块组成，与第十层和第十四层的特征图进行融合，把浅层的定位信息传递到深层，得到108×108、54×54、27×27这三个尺度的特征图； S6：构建模型的Head部分，由3个Detect检测层组成，在Head结构处新增一个旋转角度预测通道θ实现旋转框的预测；在forward操作中，网络接收3个不同尺度的特征图，依次在这3个特征图上进行网格化预测，利用卷积操作得到特征输出，随后对经过检测器卷积后的特征图划分网格，网格的尺寸与输入尺寸相同；之后对x和y进行预测，再对w和h进行预测； S7：构建模型的损失函数部分；Loss＝αLcls+βLobj+ηLloc+λLtheta，其中Lcls为BCELoss，只计算正样本的分类损失；Lobj依然采用的是BCELoss，注意此时obj是网络预测的目标边界框与真实边界框的CIOU，计算所有样本的obj损失；Lloc采用CIOULoss，只计算正样本的定位损失；Ltheta采用的依然是BCELoss； S8：将图片输入至目标检测网络进行训练并输出检测结果； S9：将训练完成的目标检测网络用于实际场景中。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路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”。

以上内容由龙图腾AI智能生成。