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！

龙图腾网获悉北京理工大学申请的专利一种基于Transformer的SAR图像舰船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：CN115565066B 。

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：202211173313.8，技术领域涉及：G06V20/10；该发明授权一种基于Transformer的SAR图像舰船目标检测方法是由师皓;柴冰茜;王裕沛;陈亮设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种基于Transformer的SAR图像舰船目标检测方法在说明书摘要公布了：本发明公开了一种基于Transformer的SAR图像舰船目标检测方法，针对小尺度SAR舰船目标，以Transformer作为主干网络，通过可变形注意力机制融合舰船有效信息，提高检测精度。首先对输入的原始图像进行Patch划分。将patch划分后的图像输入由Transformer构成的四阶段特征提取骨干网络，得到由浅到深的四个不同尺度的特征。将四个不同尺度的特征输入特征金字塔网络进行特征融合，得到由浅到深的五个不同尺度的融合特征。根据原始图像的舰船位置标注，提取目标的粗提取边缘图像。将最浅层的融合特征以及粗提取边缘图像输入边缘指导的形状增强模块，得到增强后的最浅层融合特征。增强后的最浅层融合特征和其他四个尺度的融合特征输入无锚框的目标检测头部，得到目标检测结果。

本发明授权一种基于Transformer的SAR图像舰船目标检测方法在权利要求书中公布了：1.一种基于Transformer的SAR图像舰船目标检测方法，其特征在于，包括如下步骤： 步骤1：对输入的原始图像进行Patch划分，得到patch划分后的图像； 步骤2：将所述patch划分后的图像输入由局部稀疏信息聚合Transformer构成的四阶段特征提取骨干网络，得到由浅到深的四个不同尺度的特征；所述由局部稀疏信息聚合Transformer构成的四阶段特征提取骨干网络包括： 基本组成结构基于SwinTransformer的骨干网络结构，分为四个阶段，按照顺序分别记为阶段一、阶段二、阶段三和阶段四，顺次输出由浅到深的四个不同尺度的特征； 阶段一包括顺次连接的线性嵌入模块和双Transformer模块；所述线性嵌入模块用于对所述patch划分后的图像进行维度变换； 阶段二包括顺次连接的patch融合模块和双Transformer模块； 阶段三包括顺次连接的patch融合模块和3个顺次连接的双Transformer模块； 阶段四包括顺次连接的patch融合模块和双Transformer模块； 所述双Transformer模块包括前后两个Transformer模块，其中前Transformer模块执行如下步骤： 针对前Transformer模块的输入特征计算局部稀疏信息聚合注意力图，将所述局部稀疏信息聚合注意力图和前Transformer模块的输入特征进行残差连接，再将此结果与经过线性变换和多层感知机后的结果进行残差链接，得到局部稀疏信息聚合Transformer的输出特征； 前Transformer模块的输出特征作为后Transformer模块的输入特征； 后Transformer模块执行如下步骤： 针对后Transformer模块的输入特征进行采样变换后，针对采样变换后的特征计算局部稀疏信息聚合注意力图，将所述局部稀疏信息聚合注意力图和后Transformer模块的输入特征进行残差连接，再将此结果与经过线性变换和多层感知机后的结果进行残差链接，得到局部稀疏信息聚合Transformer的输出特征； 所述采样变换包括：将后Transformer模块的输入特征通过卷积层得到基于数据的采样值；利用所述基于数据的采样值对后Transformer模块的输入特征进行双线性插值采样，得到采样变换后的特征； 其中计算局部稀疏信息聚合注意力图，前Transformer模块的输入特征或者采样变换后的后Transformer模块的输入特征作为当前输入特征A;采用如下步骤： S1：对当前输入特征A进行大小相同互不重叠的窗口划分得到窗口划分的特征图； S2：将所述窗口划分特征图输入偏移量生成网络，得到计算可变形注意力时所需要的偏移量矩阵； S3：将所述窗口划分特征图进行线性变换，得到计算可变形注意力时需要的值矩阵； S4：将所述窗口划分特征图进行线性变换，得到计算可变形注意力时需要的注意力权重矩阵； S5：利用所述偏移量矩阵对所述值矩阵进行双线性插值采样，并用注意力权重矩阵对采样结果进行加权求和，再进行线性变换得到局部稀疏信息聚合注意力图； 步骤3：将所述四个不同尺度的特征输入特征金字塔网络进行不同尺度间的特征融合，得到融合后由浅到深的五个不同尺度的融合特征； 步骤4：根据所述原始图像的舰船位置标注，提取目标边缘，得到目标的粗提取边缘图像； 步骤5：将所述五个不同尺度的融合特征中最浅层的融合特征以及所述粗提取边缘图像输入边缘指导的形状增强模块，得到增强后的最浅层融合特征； 步骤6：将所述增强后的最浅层融合特征和其他四个尺度的融合特征输入无锚框的目标检测头部，得到目标检测结果。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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。