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！

龙图腾网获悉上海交通大学申请的专利一种基于改进YOLOv5的SAR图像飞机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：CN116630798B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310553214.0，技术领域涉及：G06V20/10；该发明授权一种基于改进YOLOv5的SAR图像飞机目标检测方法是由张涛;黄柏澄;张增辉;郁文贤设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5的SAR图像飞机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改进YOLOv5的SAR图像飞机目标检测方法，涉及图像目标检测领域。收集获取包含飞机目标的SAR图像数据集，进行图像数据标注，划分为训练集和测试集；改进YOLOv5模型，搭建新的检测模型，包括输入层、主干网络、Neck网络、Head网络；设置好训练参数对检测模型进行训练，进行性能测试，采取精确度、召回率等评价指标来评估模型目标检测效果。本发明可以改进传统SAR飞机目标检测算法复杂背景下易漏检、虚检飞机的瓶颈，生成的飞机目标检测算法结合使用了引进注意力机制加强关注目标位置信息方法、特征融合方法以及全局信息关注方法，通过改进YOLOv5检测模型的主干网络、颈部结构、输出检测头来进行飞机目标的特征融合，提升飞机目标检测精度。

本发明授权一种基于改进YOLOv5的SAR图像飞机目标检测方法在权利要求书中公布了：1.一种基于改进YOLOv5的SAR图像飞机目标检测方法，其特征在于，对目标检测算法YOLOv5进行改进，获得改进后的目标检测算法YOLOv5，包括以下步骤： 步骤1、在输入层中采用Mosaic数据增强方式，对输入图像进行预处理，采用K均值聚类算法针对飞机目标尺寸优化锚框； 步骤2、所述步骤1的特征图输入改进的主干网络，改进的主干网络是指在主干网络中引入坐标注意力机制CA，采用SPD-CA卷积块替换主干网络对图像进行下采样所采用的跨步卷积； 步骤3、所述步骤2得到的不同尺度的图像特征图输入到改进的YOLOv5网络中的Neck部分，采用设计的FFP特征融合金字塔网络结构改进目标检测算法YOLOv5的Neck结构，实现自适应特征融合； 步骤4、所述步骤3得到不同尺度的张量数据，输入到改进的YOLOv5网络中的预测层部分，在预测层之前添加全局注意力机制GAM，捕捉全局信息，减少不准确的目标定位； 所述步骤2，在YOLOv5模型的主干网络部分将下采样所用的33卷积核且步数为2的卷积块替换为设计的SPD-CA卷积块，完全替代卷积步长和池化层；SPD层是一个由空间到深度的连接层，具体操作是在图像中每隔一个像素提取出一个值，类似于邻近下采样，将特征图分为四张子特征图，具体表示如下： S为图像尺寸size，之后沿着通道维度将这些子特征映射连接在一起，在对特征映射进行下采样的同时，保留了通道维度的所有信息，避免了信息的非歧视丢失；在SPD层后引入坐标注意力机制层CA，加强对目标点的注意，感受飞机目标的位置信息，最后添加一层单步长卷积层去改变使用学习参数的通道数量 所述步骤3，从主干网络的后端将所述步骤2得到的图像特征图输入到改进的YOLOv5网络中的Neck部分，Neck结构由原来的PANet简单双向特征金字塔结构变为设计的FFP特征融合金字塔结构；Neck在特征金字塔网络的基础上引入自下而上的路径增强结构，细化主干网络输出的图像特征矩阵实现双向特征金字塔，并吸收BiFPN与ASFF两种结构的思想，在主干网络与自下而上特征融合路径之间增加跳跃连接分支，即处在同一层次的输入节点与输出节点之间添加一条额外的边，能在同层次之间融合更多的特征；同时，在双向特征传输的路径当中加入ASFF特征融合结构，实现不同层次之间特征的交叉融合。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。