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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于关键特征学习的遥感图像旋转目标检测方法、介质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：CN118628901B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202410241721.5，技术领域涉及：G06V20/10；该发明授权一种基于关键特征学习的遥感图像旋转目标检测方法、介质及设备是由郑永斌;孙鹏;徐婉莹;白圣建;杨健松;高亚;陆小平设计研发完成，并于2024-03-04向国家知识产权局提交的专利申请。

本一种基于关键特征学习的遥感图像旋转目标检测方法、介质及设备在说明书摘要公布了：本发明公开了一种基于关键特征学习的遥感图像旋转目标检测方法，包括以下步骤：S1、对输入的遥感图像进行筛选，得到高质量样本，根据高质量样本回归得到旋转目标的位置；S2、对高质量样本的关键特征进行提取，得到分类特征；S3、对分类特征进行损失优化，得到优化的分类特征；S4、基于优化的分类特征，计算出旋转目标的类别；S5、根据旋转目标位置以及旋转目标的类别得到旋转目标的检测结果。本发明能够为具有巨大多样性的对象分配足够的正样本，且通过回归损失函数设计，能够在建议统计的基础上改变回归损失函数的形式，可以在训练过程中更多地关注高质量的样本；而且能够基于准确位置的采样位置细化来提取分类任务的关键特征。

本发明授权一种基于关键特征学习的遥感图像旋转目标检测方法、介质及设备在权利要求书中公布了：1.一种基于关键特征学习的遥感图像旋转目标检测方法，其特征在于，包括以下步骤： S1、对输入的遥感图像进行筛选，得到高质量样本，根据高质量样本回归得到旋转目标的位置，包含以下步骤： S11、通过多层卷积对输入图像进行提取，得到不同尺寸的特征图，将不同尺寸的特征图与特征金字塔网络进行融合，得到多尺度特征图； S12、在步骤S11得到的多尺度特征图上铺设多个锚点，分别以多个锚点作为框的中心点，设置多个长宽为4像素的水平锚框用作训练样本； S13、在步骤S12得到的训练样本上获取检测真值g和锚框a的位置信息，根据检测真值g和锚框a的位置信息得到初始IoU阈值，然后根据初始IoU阈值、形状调节因子和角度调节因子，得到最终的IoU阈值； 所述初始IoU阈值通过以下方法获得： S131、在步骤S12得到的训练样本上分别获取检测真值g和锚框a的位置信息，检测真值g和锚框a的位置信息分别记为： ； 其中，Bg和Ba分别为检测真值g和锚框a的位置信息，xg和yg分别表示检测真值g的中心点坐标，wg和hg分别表示检测真值g的宽和高，θg代表检测真值的角度；xa和ya分别表示锚框a的中心点坐标，wa和ha分别表示锚框a的宽和高，为锚框a的角度； S132、基于步骤S131得到的检测真值g和锚框a的位置信息，对于步骤S11得到的多尺度特征图上的每个检测真值g，计算得到检测真值g的中心点与锚框a的中心点的欧式距离，计算公式如下所示： ； 其中，i和j分别表示第i个检测真值和第j个锚框，xa和ya分别表示锚框a的中心点坐标，xg和yg分别表示检测真值g的中心点坐标； S133、基于步骤S132计算得到的欧式距离，选取与检测真值g欧式距离最近的K个锚框； S134、对检测真值g与步骤S133选取得到的K个锚框的交并比进行计算，得到交并比，交并比的计算公式如下所示： ； 其中，Bg和Ba分别为检测真值g和锚框a的位置信息； S135、对步骤S134得到的交并比的均值mg和方差υg进行计算，得到均值mg和方差υg，并将均值mg和方差υg的和记作初始IoU阈值，均值mg、方差υg和初始IoU阈值的计算公式为： ； 其中，Ii,j为交并比，mg为交并比的均值，υg为交并比的方差，为初始IoU阈值，N是候选样本的数量； 所述最终的IoU阈值通过以下方法获得： S1301、对检测真值g与步骤S133选取得到的K个锚框的长宽比的差异和角度的差异进行计算，得到长宽比的差异和角度的差异，长宽比的差异和角度的差异的计算公式如下： ； ； 其中，为锚框的长宽比，为检测真值的长宽比，为锚框的角度，为检测真值的角度； S1302、根据步骤S1301得到的长宽比的差异和角度的差异，计算得到形状调节因子和角度调节因子，形状调节因子和角度调节因子的计算公式如下所示： ； ； 其中，为超参数，为长宽比的差异，为角度的差异； S1303、根据步骤S1302得到的形状调节因子和角度调节因子以及步骤S135得到的初始IoU阈值，计算得到最终的IoU阈值，最终的IoU阈值的计算公式如下所示： ； 其中，，ε为超参数，和分别为形状调节因子和角度调节因子，为初始IoU阈值； S14、根据步骤S13得到的最终的IoU阈值对步骤S12得到的训练样本进行筛选，得到高质量样本，根据高质量样本回归得到旋转目标的位置，包含以下步骤： S141、对步骤S12得到的训练样本中的中心点落在检测真值g的锚框a中的样本进行筛选，得到动态样本； S142、选取步骤S141得到的动态样本中与检测真值g的IoU大于的锚框作为高质量样本，根据高质量样本回归得到旋转目标的位置；S2、对步骤S1得到的高质量样本的关键特征进行提取，得到分类特征； S3、对步骤S2得到的分类特征进行损失优化，得到优化的分类特征； S4、基于步骤S3得到的优化的分类特征，通过卷积神经网络计算出旋转目标的类别； S5、根据步骤S1得到的旋转目标的位置以及步骤S4得到的旋转目标的类别得到旋转目标的检测结果。

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中国人民解放军国防科技大学，其通讯地址为：410072 湖南省长沙市开福区德雅路109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。