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！

龙图腾网获悉中国电子科技集团公司第五十四研究所;天津大学申请的专利一种跨视角关联的双无人机协同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：CN118429620B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202410538699.0，技术领域涉及：G06V10/25；该发明授权一种跨视角关联的双无人机协同目标检测方法是由仇梓峰;靳锴;王雅涵;朱鹏飞;李思男;孙一铭设计研发完成，并于2024-04-30向国家知识产权局提交的专利申请。

本一种跨视角关联的双无人机协同目标检测方法在说明书摘要公布了：本发明公开了一种跨视角关联的双无人机协同目标检测方法，属于多视角图像信息、多类别的目标检测领域。本发明构建双无人机协同目标检测网络，并选择训练集，将训练数据输入双无人机协同目标检测网络，输出分类检测结果预测值与目标边界框检测结果预测值，根据预测值和训练集中的真值计算分类损失与目标边界框回归损失，根据损失之和更新双无人机协同目标检测网络的内部参数，直至总损失收敛，保存网络参数；将同一时刻，来自双无人机的视频或图像集输入到训练好的目标检测网络中，得到对应的分类检测结果与目标边界框检测结果。本发明增强了遮挡目标和小目标的特征表示，提升目标检测精度；此外避免对每个任务单独生成候选框，节省了计算资源。

本发明授权一种跨视角关联的双无人机协同目标检测方法在权利要求书中公布了：1.一种跨视角关联的双无人机协同目标检测方法，其特征在于，包括以下步骤： 步骤1，构建双无人机协同目标检测网络，所述双无人机协同目标检测网络包括基于注意力机制的特征交互网络、候选框生成器与解码器；所述特征交互网络包括基于残差深度网络与特征金字塔网络生成的两组四层特征提取模块、第一自注意力模块、第一交叉注意力模块与上采样模块；所述解码器包括候选框共享模块、第二自注意力模块与第二交叉注意力模块； 步骤2，选择MDMT数据集作为训练集，将其中由无人机A拍摄的图像A，与无人机B在同一时刻、不同视角下拍摄的图像B作为一组训练输入值； 步骤3，将图像A与图像B分别输入至各自的四层特征提取模块中，得到四层特征提取模块输出的特征图xAL与xBL，L＝1,2,3,4，L＝1对应最上层的特征提取模块，L＝4对应最下层的特征提取模块； 步骤4，设置单头数量M与采样点数K，依次将特征图xAL与xBL上的K个特征点输入至第一自注意力模块中，得到对应的多头自注意力计算结果q′A与q′B： 其中，MSDeformAttn表示计算多头自注意力，qA与qB分别表示特征图xAL与xBL上的一个特征点所对应的查询向量，与分别表示特征点查询向量qA与qB的坐标；与分别表示对四层特征图xAL与xBL依次进行计算；ZWm表示在第一自注意力模块的全连接层中，第m个单头所对应的参数权重，m＝1,2,3,......,M；qAm与qBm分别为特征点查询向量qA与qB的第m个单头，xAL,k与xBL,k分别为第L层特征图xAL与xBL上的第k个特征点，为qAm和xAL,k的注意力分数，为qBm和xBL,k的注意力分数，k＝1,2,3,......,K；为ZWm在第L层特征提取模块上的映射；与分别表示pqA与的归一化值，与分别表示将归一化坐标与映射至第L层特征提取模块上；为qAm与xAL,k的坐标偏移量，为qBm与xBL,k的坐标偏移量；表示在第L层特征图xAL上，位于 位置处的特征点查询向量，表示在第L层特征图xBL上，位于位置处的特征点查询向量； 步骤5，将多头自注意力计算结果q′A与q′B依次输入至第一交叉注意力模块中，得到对应的交叉注意力计算结果q′A′与q′B′： q″A＝qA+Dropq'A+CrossAttnq'A，xB q″B＝qB+Dropq'B+CrossAttnq'B，xA 其中，Drop为随机失活神经元函数； CrossAttn表示计算交叉注意力，JWm表示在第一交叉注意力模块的全连接层中，第m个单头所对应的参数权重，m＝1,2,3,......,M；q′Am与q′Bm分别为多头自注意力计算结果q′A与q′B的第m个单头；为q′Am和xBL,k的注意力分数，为q′Bm和xAL,k的注意力分数；为JWm在第L层特征提取模块的映射； 步骤6，将特征图xAL与xBL上的低分辨率特征以上采样的方式传递至高分辨率特征图上： xAL＝xAL+Upsampling4-Lx″A,L＝1,2,3 xBL＝xBL+Upsampling4-Lx″B,L＝1,2,3 其中，Upsampling4-L表示进行4-L次上采样；x″A为根据交叉注意力计算结果q″A构成的特征图；x″B为根据交叉注意力计算结果q″B构成的特征图； 步骤7，将特征图xAL与xBL输入至候选框生成器中，生成多个候选框，得到各自对应的内容编码与位置编码，针对特征图xAL与xBL，均选取相似度最大的N个内容编码与位置编码输入至候选框共享模块： fA＝catcA,dA,dim＝1 fBs＝catcB,dBkxx,dim＝1 f′A＝catfA,fBs,dim＝0 其中，fA与fBs为中间变量，cat表示拼接函数，dim＝1表示在特征维度上进行拼接，dim＝0表示在空间维度上进行拼接；cA与dA分别表示将特征图xAL输入至候选框生成器中，得到的内容编码与位置编码；cB与dBkxx分别表示将特征图xBL输入至候选框生成器中，得到的内容编码与一组可学习位置编码；f′A表示将fA与fBs传输至第二自注意力模块后，对应图像A的输出值； fB＝catcB,dB,dim＝1 fAs＝catcA,dAkxx,dim＝1 f′B＝catfB,fAs,dim＝0 fB与fAs为中间变量，dB表示将特征图xBL输入至候选框生成器中，得到的位置编码；dAkxx表示将特征图xAL输入至候选框生成器中，得到的一组可学习位置编码；f′B表示将fB与fAs传输至第二自注意力模块，对应图像B的输出值； 步骤8，fA′经过第二交叉注意力模块后，得到对应图像A的分类检测结果预测值与目标边界框检测结果预测值，f′B经过第二交叉注意力模块后，得到对应图像B的分类检测结果预测值与目标边界框检测结果预测值，将分类检测结果预测值和目标边界框检测结果预测值分别与MDMT数据集中对应的真值进行匈牙利匹配，得到分类损失与目标边界框回归损失，将分类损失与目标边界框回归损失求和得到总损失，根据总损失，通过反向传播算法来更新整个双无人机协同目标检测网络的内部参数，直至总损失收敛，结束训练并保存双无人机协同目标检测网络参数； 步骤9，将同一时刻，来自双无人机的视频或图像集输入到训练好的双无人机协同目标检测网络中，得到与视频或图像集相对应的分类检测结果与目标边界框检测结果。

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电子科技集团公司第五十四研究所;天津大学，其通讯地址为：050081 河北省石家庄市中山西路589号中国电子科技集团公司第五十四研究所遥控部；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”。