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！

龙图腾网获悉中船重工鹏力(南京)大气海洋信息系统有限公司申请的专利一种基于深度学习的多尺度船舶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：CN115860139B 。

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：202211596993.4，技术领域涉及：G06N20/00；该发明授权一种基于深度学习的多尺度船舶目标检测方法是由刘阳;宗成明;曹伟男;夏亮;李磊设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于深度学习的多尺度船舶目标检测方法在说明书摘要公布了：本发明提出了一种基于深度学习的多尺度船舶目标检测方法，该方法可以提取两种不同尺度图像的特征，并且双通道互为补充，提高了网络的容错能力；能够快速对船舶目标进行检测，自动识别船舶类型。具体的，将不同尺寸的图像分别输入两通道进行特征提取，模型从不同数据集中提取到的特征不同。原始图像中包含前景和船舶信息，FasterRCNN通道提取的信息多而杂，也存在信息丢失问题。图卷积神经网络只提取包含船舶特征的信息，特征准确，并且可以提取到FasterRCNN通道没有提取到的特征，再将两部分特征融合，从而相互补充，进一步提高了对于船舶类型识别的准确率。

本发明授权一种基于深度学习的多尺度船舶目标检测方法在权利要求书中公布了：1.一种基于深度学习的多尺度船舶目标检测方法，其特征在于，包括以下步骤： S1、获取数据集：所述数据集包括只含有船舶信息的图像O2、原始图像O1；所述原始图像O1中包含船舶信息和背景信息； S2、构建并训练图卷积神经网络、FasterRCNN网络； 所述FasterRCNN网络，用于检测图像类型，并提取图像的特征，包括依次连接的RPN层、第一最大池化层和RCNN层； 所述图卷积神经网络，用于提取图像的特征，包括注意力-池化层； S3、构建双通道网络模型： 所述FasterRCNN网络和图卷积神经网络共享一个融合层； 所述融合层的输入端连接FasterRCNN网络中第一最大池化层的输出端、图卷积神经网络中注意力-池化层的输出端； 所述融合层的输出端连接FasterRCNN网络的RCNN层； S4、将原始图像O1输入FasterRCNN网络，在FasterRCNN网络的第一最大池化层的输出端获取第一特征图F1，第一特征图F1中将原始图像O1中的船舶信息和背景信息分别进行分类提取； 将只含有船舶信息的图像O2输入图卷积神经网络，在图卷积神经网络的输出端获取第二特征图F2；所述第二特征图F2将只含有船舶信息的图像O2中的船舶信息进行分类提取； S5、将第一特征图F1、第二特征图F2输入融合层，利用融合层生成具有船舶信息的目标检测图T1； S6、将目标检测图T1经融合层输入至FasterRCNN网络的RCNN层，并输出目标检测识别结果图T2。

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船重工鹏力(南京)大气海洋信息系统有限公司，其通讯地址为：211153 江苏省南京市江宁开发区长青街32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”。