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！

龙图腾网获悉杭州电子科技大学申请的专利基于ODC-YOLO网络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：CN117237808B 。

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：202311271767.3，技术领域涉及：G06V20/10；该发明授权基于ODC-YOLO网络的遥感图像目标检测方法及系统是由汪旭升;刘晴;吴伟;姚英彪设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本基于ODC-YOLO网络的遥感图像目标检测方法及系统在说明书摘要公布了：本发明公开了基于ODC‑YOLO网络的遥感图像目标检测方法及系统，方法如下：S1、获取遥感数据集；S2、对数据集中的图像进行切割处理，将图像划分为训练集、验证集和测试集；S3、设置输入图像的尺寸、训练次数和检测对象的类别参数；S4、在动态卷积中融入了三个维度的注意机制，构成一个多维度的动态卷积，同时利用残差网络Res2Net与C3模块融合构成新的C3‑Res2Net模块，将该模块与多维动态卷积网络结合，得到OD‑Res2Net主干网络；构建一个具有多尺度的感受野增强模块；设计上采样算子进行采样操作；S5、将图像添加至ODC‑YOLO网络模型中，运用训练集和验证集标记好的图片进行训练，训练过程中，将测试集内划分好的图片进行测试，获得每一个阶段训练的效果。

本发明授权基于ODC-YOLO网络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.基于ODC-YOLO网络的遥感图像目标检测方法，其特征在于，具体步骤如下： S1、获取遥感数据集； S2、对数据集中的图像进行切割处理，将图像划分为训练集、验证集和测试集； S3、设置输入图像的尺寸、训练次数和检测对象的类别参数； S4具体如下： S4.1、在动态卷积中融入了三个维度的注意机制，包括卷积的尺寸、卷积的输入通道数和输出通道数，构成一个多维度的动态卷积，同时利用残差网络Res2Net与C3模块融合构成新的C3-Res2Net模块，将C3-Res2Net模块与多维动态卷积网络结合，得到OD-Res2Net主干网络；本步骤中，将多维动态卷积引入主干网络，多维动态卷积根据注意力机制动态聚合多个并行卷积核，这些卷积核对每个单独输入数据x通过输入相同注意力来聚合偏差；多维动态卷积的公式如下所示： x表示输入，y是输出；为卷积维度的注意力系数矩阵，分别表示沿着卷积核中的空间维度、输入通道维度、输出通道维度上的动态卷积注意力系数矩阵，表示沿着核空间的不同维度的乘法运算，i的取值范围在1-n；注意力乘以卷积核的过程具体如下： 先通过全局平均池化GAP将输入x压缩为长度为的特征向量；后通过一个全连接层FC和四个分支，全连接层之后经过ReLU激活函数修正线性单元；全连接层FC将压缩后的特征向量映射到低维空间，对于四个分支，都有输出尺寸为、的全连接层FC，并使用Sigmoid和SoftMax函数来生成归一化的注意力；其中，表示输入通道数，Cout表示输出通道数； 在多维动态卷积中，对于卷积核：1将不同的注意力标量分配给k*k空间位置处的卷积参数；2为每个卷积滤波器通道分配不同的注意力标量；3卷积滤波器分配不同的注意力标量；4为整个卷积分配注意力标量； 在多维动态卷积的基础上，将Res2Net网络与C3模块融合构成新的C3-Res2Net模块，Res2Net通过一系列通道划分、分组卷积、块间融合、通道拼接操作实现特征融合，具体过程如下式所示： 其中，输入特征经过通道划分为s块特征图，表示第i块特征图，表示融合第i块特征图的卷积层，表示融合之后获得的特征图，表示融合之后获得的特征图； S4.2、构建一个具有多尺度的感受野增强模块，在不同大小的卷积层中，分别使用三种尺度的空洞卷积层分支，通过普通卷积与空洞卷积的结合，每个分支的感受野都得到了的提升，再将各个分支叠加在一起，以表达多尺度的感受野融合效果； S4.3、设计一个轻量级的上采样算子进行采样操作，分为上采样预测模块和特征重组模块；给定一个输入特征图，首先利用上采样预测模块预测上采样核，后利用特征重组模块完成上采样； S5、将步骤S2所得图像添加至步骤S4所得的ODC-YOLO网络模型中，运用训练集和验证集标记好的图片进行训练，训练过程中，将测试集内划分好的图片进行测试，获得每一个阶段训练的效果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。