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战略支援部队信息工程大学申请的专利一种基于深度学习的遥感影像旋转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：CN116935029B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310664831.8，技术领域涉及：G06V10/25；该发明授权一种基于深度学习的遥感影像旋转目标检测方法是由李科;高鹏飞;卢宣蓓;陈令羽设计研发完成，并于2023-06-06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遥感影像旋转目标检测方法在说明书摘要公布了：本发明提供一种基于深度学习的遥感影像旋转目标检测方法。该方法包括：步骤1：构建旋转目标检测网络模型，包括旋转不变性特征提取网络、双通道特征融合网络和多尺度旋转目标检测器；所述双通道特征融合网络采用自上而下与自下而上两个通道对特征图进行不同尺度特征融合，得到融合后的三种尺度大小的特征图；所述多尺度旋转目标检测器用于先将三种尺度大小的特征图中的候选框由水平框转化为旋转框，再将旋转框转化为二维高斯分布形式；步骤2：构建损失函数并训练所述旋转目标检测网络模型；步骤3：将待检测遥感图像输入至训练好的旋转目标检测网络模型，得到目标类别预测值和旋转框参数。

本发明授权一种基于深度学习的遥感影像旋转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遥感影像旋转目标检测方法，其特征在于，包括： 步骤1：构建旋转目标检测网络模型，包括旋转不变性特征提取网络、双通道特征融合网络和多尺度旋转目标检测器；其中，所述旋转不变性特征提取网络输出三种尺度大小的特征图，从大到小依次记作特征图P3、P4和P5；所述双通道特征融合网络采用自上而下与自下而上两个通道对特征图P3、P4和P5进行不同尺度特征融合，得到融合后的三种尺度大小的特征图，从大到小依次记作特征图P3′、P4′,和P5′；所述多尺度旋转目标检测器用于先将特征图P3′、P4′,和P5′中的候选框由水平框转化为旋转框，再将旋转框转化为二维高斯分布形式； 步骤2：构建损失函数并训练所述旋转目标检测网络模型； 步骤3：将待检测遥感图像输入至训练好的旋转目标检测网络模型，得到目标的预测类别和旋转框参数； 所述旋转不变性特征提取网络由浅层至深层依次包括Focus模块、3*MGSM模块、Conv3,2层、9*MGSM模块、Conv3,2层、9*MGSM模块、Conv3,2层、3*SCBlock模块、SPP模块和3*MGSM模块；其中，n*MGSM模块表示MGSM模块内包含n个串行排列的基于不同感受野来提取稀疏特征并融合的第一残差结构，n＝3,9；m*SCBlock模块表示SCBlock模块内包含m个串行排列的用于提取空间特征和通道特征的第二残差结构；Conva,b层，a表示网络层的卷积核尺寸，b表示卷积核步幅大小；其中，MGSM表示多分支分组加和模块，SCBlock表示空间-通道自适应特征提取模块； 所述MGSM模块具体包括第一分支和第二分支；第一分支的输出和第二分支的输出先进行拼接再经过一个Conv1,1层得到最终的输出； 其中，所述第一分支包括Conv1,1层；所述第二分支由浅层至深层依次包括Conv1,1层和第一残差结构； 其中，所述第一残差结构包括并行的第一组子分支、第二组子分支、第三组子分支和第四组子分支共四组子分支；第三组子分支和第四组子分支的输出先进行逐像素相加，再经过一个Conv3,1层处理，然后与第二组子分支的输出一起进行逐像素相加，再经过一个Conv3,1层处理，最后与第一组子分支的输出进行拼接，作为第二分支的输出；其中，第一组子分支对输入的特征图不做处理；第二组子分支和第三组子分支结构相同，由浅层至深层均依次包括Conv1,1层和Conv3,1层；第四组子分支由浅层至深层依次包括Conv1,1层和Conv5,1层。

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战略支援部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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”。