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！

龙图腾网获悉哈尔滨工业大学(威海)申请的专利一种基于互补掩码的多光谱遥感图像目标检测方法与系统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：CN121074700B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511201347.7，技术领域涉及：G06V20/13；该发明授权一种基于互补掩码的多光谱遥感图像目标检测方法与系统是由李剑锋;程思雨;杨易冰;涂隆庆;梅英杰;周广佼;王晨旭设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本一种基于互补掩码的多光谱遥感图像目标检测方法与系统在说明书摘要公布了：本发明公开了一种基于互补掩码的多光谱遥感图像目标检测方法与系统，其属于遥感图像目标检测技术领域，其解决了现有检测方法目标识别准确率较低、没有充分发掘模态间差异性信息等问题。本发明基于互补掩码交叉注意力机制和差分互补增强模块，实现不同模态信息之间的有效交互，突出不同模态之间的差异性特征，并通过模态融合模块，利用不同模态之间一致性信息，将两种不同模态的遥感图像进行特征级的融合，提升了我们新模型的检测性能。本发明可解决双模态输入的目标检测问题，可应用于全天候监控、多目标追踪、缺陷检测与质量控制等实际场景。本发明的均值平均精度指标相较于基线方法上升，具有更少的训练成本，便于实现在硬件上的部署。

本发明授权一种基于互补掩码的多光谱遥感图像目标检测方法与系统在权利要求书中公布了：1.一种基于互补掩码的多光谱遥感图像目标检测方法，其特征在于，包括以下步骤： S100、构建多光谱遥感图像数据集并进行预处理，将数据集划分为训练集、验证集、测试集； S200、构建适用于双模态输入的双分支特征提取网络，包括双流特征提取骨干网络和特征融合层，提取不同模态遥感图像的各级特征； S300、得到各级图像特征，并将两种模态遥感图像对应层级的特征图送入特征交互掩码增强模块，提取不同模态特征之间的一致性信息和互补性信息，实现不同模态遥感图像间语义信息的融合； 所述特征交互掩码增强模块包括差分互补增强模块，其利用特征提取骨干网络中提取到的两种不同模态特征图，获取差异性信息，对单独模态所缺乏的语义信息进行补充，实现不同模态遥感图像之间的语义信息交互增强； 所述特征交互掩码增强模块包括掩码增强模块，所述掩码增强模块基于Transformer方法，使用交叉注意力Cross-Attention，在此基础上使用较小的特征图并增加互补掩码模块，使得特征对单一模态语义信息的表达能力得到增强；所述掩码增强模块包括： S321、自适应特征下采样，分别对差分互补增强模块输出的双模态特征进行多尺度的卷积下采样操作，小卷积核用来提取局部信息，大卷积核用来补充周边语义；对于每个模态，将不同尺度卷积得到的特征进行自适应权重的逐像素相加，权重在训练过程中逐渐学习更新： 式中，和分别为差分互补模块输出的分属于模态1和模态2的特征图，和分别为卷积核大小不同的卷积操作，和分别为经过卷积采样和语义尺度融合之后的模态1和模态2的特征图，和分别为模态1和模态2特征用于像素级融合时使用到的权重； S322、交叉注意力，在得到经过卷积下采样的特征后，对每个模态的特征使用交叉注意力Cross-Attention模块，将特征图映射为张量查询矩阵Q、键矩阵K、值矩阵V，并得到注意力图A： 式中，为模态1输入的特征，、、分别为计算查询矩阵Q、键矩阵K、值矩阵V的权重矩阵，用于将特征张量的大小从C×H×W映射为HW×C，C、H、W分别为输入特征图的通道数、高度和宽度； 式中，为模态2输入的特征，、、分别为计算查询矩阵Q、键矩阵K、值矩阵V的权重矩阵，分别得到两个模态的查询矩阵Q、键矩阵K、值矩阵V后，进行交叉计算，得到交叉注意力图A： S333、权重掩码，在得到两个模态的注意力图和后，在和上随机添加置零掩码，消除掉部分权重信息，得到新的注意力权重图： 式中，表示掩码操作，将最后得到的掩码注意力权重与原输入的特征图进行像素级的相乘，得到最终互补掩码增强模块输出的特征； S400、得到最终融合后的特征图，逐级送入到特征融合层和检测头当中，实现多光谱遥感图像中各目标的检测识别。

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哈尔滨工业大学(威海)，其通讯地址为：264209 山东省威海市环翠区文化西路2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。