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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种基于深度学习的端到端的飞行器检测与跟踪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：CN114926779B 。

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：202210443714.4，技术领域涉及：G06V20/52；该发明授权一种基于深度学习的端到端的飞行器检测与跟踪方法是由张翔;陈东航;王宇航;李信治;廖权设计研发完成，并于2022-04-25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端到端的飞行器检测与跟踪方法在说明书摘要公布了：本发明公开了一种基于深度学习的端到端的飞行器检测与跟踪方法，提出一个基于深度学习的多尺度自适应联合框架来同时完成目标检测和外观特征的提取，位置预测三个任务。建立三个子分支，分别对飞行器的外观，飞行器的位置大小以及不同飞行器外观间的差异性进行学习，通过对类内与类间外观的学习，不仅能加强弱环境下飞行器的检测能力与飞行器之间的区别能力，有效提升多飞行器跟踪的精度与效率。

本发明授权一种基于深度学习的端到端的飞行器检测与跟踪方法在权利要求书中公布了：1.一种基于深度学习的端到端的飞行器检测与跟踪方法，其特征在于，包括如下步骤： S1、标注飞行器边界框并对标注的边界框进行修正，得到修正后的边界框； S2、构建深度神经网络模型，将相邻两帧图像序列以及修正后的边界框输入深度神经网络提取特征，并对深度神经网络进行训练，训练过程为： S21、构建特征金字塔对输入的相邻两帧图像序列提取特征，用交叉熵损失分类前景与背景，并利用Smooth-L1损失进行边界框回归得到不同尺度的特征图，其中，交叉熵损失函数表示为： 其中，为第i个锚点的预测分类概率，当第i个锚点的IoU超过阈值时，视为正样本，，否则为负样本，；为锚点预测的边界框的坐标，为真实宽的坐标；为Smooth-L1函数；为锚点位置的数量； S22、根据不同尺度的特征图构建飞行器的外观特征图，完成外观特征提取任务，具体包括： S221、利用标准交叉熵损失函数来训练外观亲和分支，以其余弦距离作为样本间的相对距离，表示为： 其中，为选定的锚点样本，表示选定锚点是正样本，表示这个是负样本； S222、利用判别方法分别对正、负样本进行训练完成位置预测，其逻辑损失表示为： 其中，为选定锚点在t-1帧中的外观特征，表示搜索区域所涵盖的锚点，为正样本，表示搜索区域未能涵盖的飞机样本，为负样本； S23、通过卷积外观特征图确定飞行器目标中心点的偏移进行位置预测； S3、利用训练好的深度神经网络对输入的两帧图像进行目标检测与跟踪。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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”。