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！

龙图腾网获悉厦门理工学院申请的专利基于改进RT-DETR模型的遥感小目标检测方法、装置及设备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：CN120913083B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511438242.3，技术领域涉及：G06V20/10；该发明授权基于改进RT-DETR模型的遥感小目标检测方法、装置及设备是由李宗梅;黄健烨;满旺;聂芹设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本基于改进RT-DETR模型的遥感小目标检测方法、装置及设备在说明书摘要公布了：本发明公开了一种基于改进RT‑DETR模型的遥感小目标检测方法、装置及设备，方法包括：S1，获取作为训练集的遥感图像数据集，对遥感图像数据集中的遥感图像进行多尺度变换，得到不同分辨率的遥感图像，再对不同分辨率的遥感图像进行增强处理，得到处理后的遥感图像；S2，将处理后的遥感图像输入到改进的RT‑DETR模型中，以对改进的RT‑DETR模型进行训练，得到训练好的遥感小目标检测网络模型；S3，利用所述遥感小目标检测网络模型对输入的遥感图像进行遥感小目标检测。本发明通过改进的RT‑DETR模型，能提高骨干网络对小目标的特征提取能力，并使得解码器能针对小目标尺寸优化，从而提高了对遥感小目标的检测准确率。

本发明授权基于改进RT-DETR模型的遥感小目标检测方法、装置及设备在权利要求书中公布了：1.一种基于改进RT-DETR模型的遥感小目标检测方法，其特征在于，方法包括： S1，获取作为训练集的遥感图像数据集，对遥感图像数据集中的遥感图像进行多尺度变换，得到不同分辨率的遥感图像，再对不同分辨率的遥感图像进行增强处理，得到处理后的遥感图像； S2，将处理后的遥感图像输入到改进的RT-DETR模型中，以对改进的RT-DETR模型进行训练，得到训练好的遥感小目标检测网络模型；其中，所述改进的RT-DETR模型的骨干网络采用逐元素乘法运算对输入的遥感图像的特征进行处理，以将输入特征映射到高维非线性空间；所述改进的RT-DETR模型的解码器的解码过程包含特征提取阶段、特征降采样阶段以及特征融合阶段；在特征提取阶段，引入针对小目标特征的提取分支，并配置为能够通过调整提取分支的卷积核大小和步长以适配小目标尺寸，在提取分支中加入空洞卷积以扩大感受野、获取更丰富的上下文信息；在特征降采样阶段引入SPDConv模块，通过SPDConv模块的多分支子区域特征拼接与卷积融合，在降低特征分辨率时保留小目标细节信息；在特征融合阶段引入CSPOmniKernel模块，通过CSPOmniKernel模块的特征拆分与多方向特征捕捉、注意力增强，平衡小目标特征提取能力与计算复杂度； S3，利用所述遥感小目标检测网络模型对输入的遥感图像进行遥感小目标检测；其中，步骤S2中，所述SPDConv模块的实现方式为： 在模块初始化时设置输入通道数inc、输出通道数ouc，并在内部设置输入通道数为inc×4的3×3卷积层； 在前向传播过程中，对输入的特征图按步长2进行非重叠子区域采样，生成4个互补的子特征，包括：取偶数行偶数列像素的左上角子区域、取奇数行偶数列像素的左下角子区域、取偶数行奇数列像素的右上角子区域、取奇数行奇数列像素的右下角子区域； 将4个子特征在通道维度拼接，形成通道数为inc×4的中间特征，再经3×3卷积压缩至输出通道数ouc，输出分辨率为输入特征图12的特征；所述CSPOmniKernel模块包含1×1卷积层cv1、cv2及OmniKernel子模块，其实现方式为： 在模块初始化时设置特征通道数dim与拆分比例e=0.25，OmniKernel子模块的输入通道数为dimo，dimo为对dim×e取整； 在前向传播过程中，输入特征经cv1卷积后按比例拆分为两分支：dimo通道的特征进入OmniKernel子模块处理，其余通道的特征作为恒等分支直接保留； 将OmniKernel子模块的输出特征与恒等分支的特征在通道维度拼接，经cv1卷积输出融合特征。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。