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！

龙图腾网获悉东南大学申请的专利自适应融合可见光和红外图像的双模态无人机识别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：CN115700808B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211324033.2，技术领域涉及：G06V20/17；该发明授权自适应融合可见光和红外图像的双模态无人机识别方法是由耿可可;成小龙;殷国栋;庄伟超;王金虎;孙宇啸;丁鹏博;柳智超设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本自适应融合可见光和红外图像的双模态无人机识别方法在说明书摘要公布了：本发明公开了一种自适应融合可见光和红外图像的双模态无人机识别方法，涉及计算机视觉技术领域，解决了单独用可见光相机在复杂环境下对无人机检测效果较差的技术问题，其技术方案要点是利用可见光图像和红外图像的互补性；利用自适应融合模块根据图像特征质量对双模态输入分配权重，再通过轻型的双模态网络对无人机进行实时识别。该算法在满足实时性的要求下，能够在光照复杂环境下对微小目标进行识别，以应对复杂环境下的无人机检测任务，在军事领域有较好的应用前景。且该网络的结构简单，计算量小，对小目标有较好的检测效果，具有较强的鲁棒性。

本发明授权自适应融合可见光和红外图像的双模态无人机识别方法在权利要求书中公布了：1.一种自适应融合可见光和红外图像的双模态无人机识别方法，其特征在于，该识别方法通过深度学习网络实现，该深度学习网络包括第一主干网络、第二主干网络、自适应融合模块、通道注意力模块和FPN结构，该方法包括： S1：获取无人机的可见光图像和红外图像，将可见光图像输入至第一主干网络，将红外图像输入至第二主干网络； S2：通过第一主干网络对可见光图像进行特征提取得到可见光特征图，通过第二主干网络对红外图像进行特征提取得到红外特征图，然后将可见光特征图和红外特征图输入至自适应融合模块； S3：自适应融合模块根据可见光特征图和红外特征图的特征质量对可见光图像和红外图像进行权重分配，将可见光特征图和红外特征图分别与各自的权重相乘，并对赋权重的可见光特征图和红外特征图进行拼接得到特征图p0； S4：通过通道注意力模块在各通道对特征图p0赋权重wc，将wc与特征图p0相乘，得到特征图p1； S5：通过FPN结构对特征图p1进行多尺度特征融合操作，得到检测层p5； S6：根据检测层p5得到无人机识别结果； 其中，若自适应融合模块输入的是宽*高*通道数为W*H*3的特征图，对该特征图进行最大池化操作和平均池化操作，分别得到W*H*1的最大池化层和W*H*1的平均池化层，将W*H*1的最大池化层和W*H*1的平均池化层直接拼接形成W*H*2的特征图，再将W*H*2的特征图输入至人工卷积层得到W*H*1的空间特征图，将该空间特征图的最大值和平均值进行相加得到分数值，最后将该分数值传入Sigmoid激活函数得到预权重ω； 则步骤S3中，可见光特征图的权重wv和红外特征图的权重wi分别表示为： fd＝ConvConcatMaxPoolF,AvgPoolF； ω＝SigMeanfd+Maxfd； 其中，w1表示可见光特征图的预权重；w2表示红外特征图的预权重；ω表示预权重；fd表示空间特征图；F表示输入的可见光特征图或红外特征图；MaxPoolF表示对特征图进行最大池化操作；AvgPoolF表示对特征图进行平均池化操作；Concat表示对最大池化操作和平均池化操作的特征图按某一维度进行拼接；Conv表示卷积层；Maxfd表示空间特征图上的最大值；Meanfd表示空间特征图的全局平均值；Sig代表Sigmoid激活函数。

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东南大学，其通讯地址为：210096 江苏省南京市江宁区东南大学路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。