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！

龙图腾网获悉中国人民解放军空军工程大学申请的专利一种基于特征金字塔和信息补偿的SAR图像舰船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：CN114743087B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202210399633.9，技术领域涉及：G06V20/00；该发明授权一种基于特征金字塔和信息补偿的SAR图像舰船检测方法是由朱明明;胡国平;周豪;赵方正;占成宏;张宇乐;林斌;游致远;任明健;郭书涵设计研发完成，并于2022-04-15向国家知识产权局提交的专利申请。

本一种基于特征金字塔和信息补偿的SAR图像舰船检测方法在说明书摘要公布了：本发明公开了一种基于特征金字塔和信息补偿的SAR图像舰船检测方法，所述方法包括以下步骤：图像数据预处理,利用图像标注软件对图像中待检测的舰船目标进行标注，获取到图像中舰船目标的中心点坐标；使用特征金字塔网络和信息补偿模块对输入图像进行特征提取；使用预处理后的训练集进行训练；使用训练得到的网络对测试集进行测试。本发明有益效果在于：利用特征提取网络和信息补偿模块来提取多尺度特征，提高对多尺度舰船的检测性能。

本发明授权一种基于特征金字塔和信息补偿的SAR图像舰船检测方法在权利要求书中公布了：1.一种基于特征金字塔和信息补偿的SAR图像舰船检测方法，其特征在于，所述方法包括以下步骤： S1图像数据预处理,利用图像标注软件对图像中待检测的舰船目标进行标注，获取到图像中舰船目标的中心点坐标x,y，目标的宽w和高h； S2使用特征金字塔网络和信息补偿模块对输入图像进行特征提取； S3使用预处理后的训练集进行训练； S4使用训练得到的网络对测试集进行测试； 其中，所述步骤S2中，以深度残差网络ResNet-50为基础，搭建特征金字塔网络；ResNet-50的权重来源于ImageNet数据集上预训练得到的权重文件；给定ResNet-50每个卷积阶段最后的输出为{C1，C2，C3，C4，C5}，FPN通过自上而下的路径和横向连接输出不同尺度的特征层{P3，P4}。利用信息补偿模块生成P5； 所述步骤S2还包括： S2.1利用比例不变自适应平均池化生成具有不同空间上下文信息的多尺度特征图： Fi＝AvgPoolC5,S×αi,i＝1,2,3 其中，S＝w×h代表特征图C5的尺度大小，S×αi代表特征图Fi的尺度，AvgPool代表平均池化操作； S2.2采用1×1卷积层将每个特征图的通道数减少为256： Fi′＝Conv1×1Fi,256,i＝1,2,3 其中，Conv1×1代表1×1卷积操作。 S2.3采用双线性插值对上述特征图上采样，以便用于后续融合。 Fi″＝UpsampleFi′,S,i＝1,2,3 其中，Upsample代表双线性插值操作； S2.4为输入的每个特征生成对应的空间权值图： F″＝ConcatF1″,F2″,F3″ W＝Sigmoid{Conv3×3[Conv1×1F″]} 其中，Concat代表沿通道融合特征图，Conv3×3代表3×3卷积操作，Sigmoid代表Sigmoid函数运算； S2.5采用空间权重图W来提取特征图F″的多尺度上下文信息，其输出特征图FASF定义如下： S2.6将特征图FASF和特征图C5相加求和后，使用一个3×3卷积层生成最高金字塔层级的特征图P5： P5＝Conv3×3[FASF+Conv1×1C5] P6通过一个步长为2的3×3卷积层从C5上卷积得到；P7是通过修正线性单元RectifiedLinearUnit,ReLU和步长为2的3×3卷积从P6上计算得到。最终特征金字塔网络的输出为{P3，P4，P5，P6，P7}。

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中国人民解放军空军工程大学，其通讯地址为：710038 陕西省西安市灞桥区霸陵路1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。