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！

龙图腾网获悉北京航空航天大学申请的专利一种基于全空间编码注意力模块的SAR图像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：CN115147731B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202210901110.X，技术领域涉及：G06V10/25；该发明授权一种基于全空间编码注意力模块的SAR图像目标检测方法是由张弘;刘源;杨一帆;袁丁;李旭亮;宋剑波设计研发完成，并于2022-07-28向国家知识产权局提交的专利申请。

本一种基于全空间编码注意力模块的SAR图像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全空间编码注意力模块的SAR图像目标检测方法，以提高目标检测网络在SAR图像上的检测性能，如下：1本方法利用SAR图像噪声较多的特性，设计了全空间编码注意力模块来缓解噪声的干扰，在全空间维度进行注意力提取，有效减少信息损失，提高了模型的特征提取能力；2本方法引入了可变形卷积，增加了可学习的偏移量，降低模型对于旋转、尺寸的敏感度，提高了模型的检测效果；3检测头部分使用了双头检测网络，使得回归任务和分类任务分开解耦，能够提高网络的检测效果；本发明能够有效的提高网络对SAR图像中近海、远海以及陆地上目标的检测性能和效果。

本发明授权一种基于全空间编码注意力模块的SAR图像目标检测方法在权利要求书中公布了：1.一种基于全空间编码注意力模块的SAR图像目标检测方法，其特征在于：包括如下步骤： 步骤1：预处理SAR图像的目标检测数据集，得到目标检测数据集的标注信息，并将目标检测数据集划分训练集和测试集； 步骤2，将全空间编码注意力模块作为整体嵌入到深度目标检测神经网络的骨干网络中以进行特征提取，得到加入全空间编码注意力模块的深度目标检测神经网络，在不同的空间方向上对特征通道进行权重编码，增强骨干网络对要检测图片的特征提取能力，并使用金字塔结构对加入全空间编码注意力模块的深度目标检测神经网络提取到的特征图进行多尺度特征融合，得到融合后的多尺度特征图，提高检测网络的检测精度； 步骤3，在训练阶段将融合后的多尺度特征图分别送入两个检测分支进行回归和分类任务的预测，两个不同任务的检测分支，使得分类和回归任务进行直接预测和分别解耦，以能够提高深度目标检测神经网络的检测效果和训练效率；第一个检测分支在多尺度特征图的每个像素位置上进行目标类别的预测，得到该像素位置目标所属类别；第二个检测分支在多尺度特征图的每个像素位置上，进行置信度和候选框位置参数的预测，得到该像素位置目标所属类别的置信度和该像素位置目标的候选框位置参数；最终预测得到输入网络的训练集图片中包含的目标的类别以及所在的位置； 步骤4，将预测得到的训练集中目标的类别与位置与训练集的标注信息一起输入损失函数，计算得到每一个损失项的当前损失值，结合历史的损失值，基于方差和均值进行动态调整该损失项的权重，综合加权得到最终的损失值； 步骤5，将得到的最终损失值进行反向传递，更新加入全空间编码注意力模块的深度目标检测神经网络的网络参数，根据设置的最大迭代次数、学习率和反向传播算法，经过反复训练，直至带有全空间编码注意力模块的深度目标检测神经网络的参数收敛，得到最终训练完成的检测模型； 步骤6，在SAR图像测试数据集上对训练得到的检测模型进行测试，输出保存可视化之后测试结果，以及加入注意力模块前后的平均精度平均值mAP检测指标； 所述步骤2中，全空间编码注意力模块由一个可变形卷积层、两个卷积层、一个池化层、两个激活层、一个特征拼接层和一个特征分离层堆叠而成；所有可变形卷积层的卷积核大小为3×3，卷积层的卷积核大小为3×3和1×1，池化层分别在特征的高和宽方向上进行平均池化，激活层的激活函数为RELU和Sigmoid，拼接层将池化层得到的特征进行拼接，然后送入卷积层，分离层将卷积层得到的特征进行分离，分离后的特征再送入第二个卷积层，输出特征维度大小与输入特征相等，作为权重与输入特征进行点乘操作，增加有用信息的权重，得到最终的输出特征；所述的全空间编码注意力模块能够在不同的方向上对特征图进行编码，实现通道信息的优选，能够最大程度的利用相关信息。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。