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！

龙图腾网获悉无锡学院申请的专利基于WSSRNet的SAR图像船舰小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：CN119942092B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510421867.2，技术领域涉及：G06V10/25；该发明授权基于WSSRNet的SAR图像船舰小目标检测方法是由陈昕;单慧琳;张银胜;胡宇翔;王冬冬;王学伟;吴梓杰设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本基于WSSRNet的SAR图像船舰小目标检测方法在说明书摘要公布了：本发明公开了基于WSSRNet的SAR图像船舰小目标检测方法，包括：获取SAR船舰图像数据集并进行预处理；搭建基于WSSRNet的SAR图像船舰检测网络；将训练和验证集输入网络中进行训练，计算损失函数并进行反向传播，得到训练好的最佳参数网络；将测试集输入训练好的最佳参数网络中，输出SAR船舰图像的船舰检测图。本发明通过构建多尺度小波卷积残差模块增强小目标上下文特征提取能力，设计浅层跳跃残差结构提升空间定位精度，并结合形状自适应的边界框回归策略，有效解决SAR图像中船舰小目标因散射效应、噪声干扰导致的漏检与定位偏差问题，在保障实时检测效率的同时显著提升密集场景下小目标的召回率与检测精度。

本发明授权基于WSSRNet的SAR图像船舰小目标检测方法在权利要求书中公布了：1.基于WSSRNet的SAR图像船舰小目标检测方法，其特征在于，包括如下步骤： 步骤1，获取SAR船舰图像数据集，对数据集进行预处理后，按照设定的比例划分为训练集、验证集和测试集； 步骤2，搭建基于WSSRNet的SAR图像船舰检测网络，包括主干网络、颈部网络和检测层；其中， 主干网络包括第一至第五卷积模块、第一至第四多尺度小波卷积残差模块以及快速空间金字塔池化模块；主干网络输入的SAR船舰图像依次经第一卷积模块、第二卷积模块和第一多尺度小波卷积残差模块进行特征提取，得到特征图C2；C2依次经第三卷积模块和第二多尺度小波卷积残差模块进行特征提取，得到特征图C3；C3依次经第四卷积模块和第三多尺度小波卷积残差模块进行特征提取，得到特征图C4；C4依次经第五卷积模块、第四多尺度小波卷积残差模块和快速空间金字塔池化模块进行特征提取，得到特征图C5； 其中，第一和第四多尺度小波卷积残差模块的结构相同，均包括第八至第十卷积模块、第一小波变换卷积模块以及第一至第二瓶颈模块； 第一或第四多尺度小波卷积残差模块的输入经第八卷积模块后，被均匀分割为四个特征子集，第二特征子集依次经第一小波变换卷积模块和第九卷积模块，得到第九卷积模块的输出；第九卷积模块的输出与第三特征子集逐元素相加后，作为第一瓶颈模块的输入；第一瓶颈模块的输出与第四特征子集逐元素相加后，作为第二瓶颈模块的输入；第二瓶颈模块的输出与第一瓶颈模块的输出、第九卷积模块的输出以及第一特征子集进行通道拼接后，作为第十卷积模块的输入；第十卷积模块的输出与第一或第四多尺度小波卷积残差模块的输入进行通道拼接后，得到第一或第四多尺度小波卷积残差模块的输出； 第二和第三多尺度小波卷积残差模块的结构相同，均包括第八至第十卷积模块、第一小波变换卷积模块以及第一至第六瓶颈模块； 第二或第三多尺度小波卷积残差模块的输入经第八卷积模块后，被均匀分割为四个特征子集，第二特征子集依次经第一小波变换卷积模块和第九卷积模块，得到第九卷积模块的输出；第九卷积模块的输出与第三特征子集逐元素相加后，作为第一瓶颈模块的输入；第一瓶颈模块的输出依次经第三瓶颈模块和第四瓶颈模块，得到第四瓶颈模块的输出；第四瓶颈模块的输出与第四特征子集逐元素相加后，作为第二瓶颈模块的输入；第二瓶颈模块的输出依次经第五瓶颈模块和第六瓶颈模块，得到第六瓶颈模块的输出；第六瓶颈模块的输出与第四瓶颈模块的输出、第九卷积模块的输出以及第一特征子集进行通道拼接后，作为第十卷积模块的输入；第十卷积模块的输出与第二或第三多尺度小波卷积残差模块的输入进行通道拼接后，得到第二或第三多尺度小波卷积残差模块的输出； 颈部网络包括第六至第七卷积模块、第一至第五跨阶段部分融合模块以及第一至第三上采样模块；利用第一上采样模块对C5进行上采样，上采样结果与C4进行通道拼接，拼接结果经第一跨阶段部分融合模块进行特征融合，得到特征图F0；利用第二上采样模块对F0进行上采样，上采样结果与C3进行通道拼接，拼接结果经第二跨阶段部分融合模块进行特征融合，得到特征图F1；利用第三上采样模块对F1进行上采样，上采样结果与C2进行通道拼接，拼接结果经第三跨阶段部分融合模块进行特征融合，得到特征图P2；P2经第六卷积模块提取特征后，再与F1以及第三卷积模块的输出进行通道拼接，拼接结果经第四跨阶段部分融合模块进行特征融合，得到特征图P3；P3经第七卷积模块提取特征后，再与F0以及第四卷积模块的输出进行通道拼接，拼接结果经第五跨阶段部分融合模块进行特征融合，得到特征图P4； 检测层包括第一至第三检测头，第三跨阶段部分融合模块输出的特征图P2作为第一检测头的输入，用于检测小尺度船舰目标；第四跨阶段部分融合模块输出的特征图P3作为第二检测头的输入，用于检测中尺度船舰目标；第五跨阶段部分融合模块输出的特征图P4作为第三检测头的输入，用于检测大尺度船舰目标； 步骤3，将训练集和验证集输入到步骤2搭建的基于WSSRNet的SAR图像船舰检测网络中进行训练和验证，计算损失函数并进行反向传播，更新网络参数，得到训练好的最佳参数网络； 步骤4，将测试集输入到训练好的最佳参数网络中，输出SAR船舰图像的船舰检测图。

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无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333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”。