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！

龙图腾网获悉沈阳理工大学申请的专利一种基于深度学习的空中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：CN116152632B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310208790.1，技术领域涉及：G06V10/82；该发明授权一种基于深度学习的空中目标检测方法是由吕艳辉;张德育;方亮设计研发完成，并于2023-03-07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空中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空中目标检测方法，涉及机器视觉检测技术领域。该方法使用SSD算法作为基础检测算法，实现空中目标的检测功能。给出空中目标数据集的采集方法，然后对SSD主干网络进行改进，通过引入注意力机制、FPN特征融合、K‑means聚类算法，并采用EIOU边界框回归损失函数，设计实现ATD‑SSD算法。接着对空中目标数据集进行训练并保存模型，最后对图像进行测试，获取与预测相关的位置数据以及类别数据后，对预测结果进行筛选，最后绘制预测框。本发明能够提高空中目标的准确率与实时性，可在保持高精度的检测效果的同时完成空中目标的实时性检测。

本发明授权一种基于深度学习的空中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空中目标检测方法，其特征在于：该方法包括以下步骤： 步骤1：根据空中目标图形特点进行空中目标数据集的采集，并对图形图像进行扩充和处理； 步骤2：根据VOC空中目标数据集的规格进行空中目标数据集的制作，严格按照相应的格式进行标注以及命名； 步骤3：改进目标框设计、改进主干网络，并改进损失函数；对空中目标数据集进行读取，然后使用改进后的主干网络获取到改进后的目标框尺寸，接着对空中目标数据集进行处理，将空中目标数据集内图片的信息提取并保存，再使用改进的损失函数进行损失的计算，并对正负样本进行分类，最后通过不断计算和权重参数的调整得到最终的模型并保存； 所述目标框设计的改进采用K-means聚类算法对所使用的空中目标数据集进行聚类分析，改进初始化锚框，得到最佳的目标框长与宽的比例；K-means聚类算法中的K的值为6； 聚类后对每个输入到检测层的特征图的目标框尺寸进行计算；首先，收集空中小目标空中目标数据集中的每个目标框的长与宽的数值，长与宽的乘积就是目标框的面积，然后，将目标框的面积与原图的面积的比值记作s，由所有特征图对应的比值s组成一个新的数组S，最后，对S进行排序，得到数组S的第一个数据smax和最后一个数据smin的值；然后对目标框的尺寸Bk进行计算，如式1所示； 式中，m表示特征图个数，k∈[1,m]； 经过计算，可以得到输出特征图最合适的目标框尺寸； 所述主干网络的改进包括： 在原网络SSD的基础上增加注意力机制； 图片进入到SSD算法时，经过网络的处理，得到低层特征图，但并不立刻向前传播，而是先使用CBAM注意力机制对低层特征图进行处理，然后再向前传播； 在原网络SSD的基础上通过FPN网络结构进行特征融合；使用双线性插值算法对FPN的上采样方法进行改进；根据特征图的特点使用低层融合模块和高层融合模块两种方法实现特征图之间的融合；在低层融合模块中，先对输入进来的高层特征图进行上采样，然后再与低层特征图求和；高层特征融合模块则是先将输入进来的高层特征信息进行上采样，然后再与低层的特征信息进行拼接，拼接后使用1×1的卷积对特征图进行降维； 当图片进入到网络时，首先将输入图片的尺寸统一调整为300×300，然后对输入信息采用自下而上的路径进行处理，经过一个注意力模块，再经过其他特征层处理，最终输出八个尺度不同的特征图，尺度分别为38×38×256，38×38×512，19×19×1024，19×19×1024，10×10×512，5×5×256，3×3×256，1×1×256；然后分别经过一个横向通道卷积统一尺度，再进行特征融合，最后使用3×3的卷积降低混叠效应，最后送入到检测层中进行空中目标的分类和检测； 所述损失函数的改进采用EIOU边界框回归损失函数，如式6所示； 其中，IOU表示真实框与预测框的交并比，bgt、b分别表示真实框和预测框的中心点，ρ表示真实框和预测框两个中心点间的欧式距离，c表示真实框和预测框的最小外接矩形的对角线长度，wgt、w分别表示真实框和预测框的宽度，hgt、h分别表示真实框和预测框的高度，分别表示能够同时包含真实框与预测框的最小外接矩形的宽度和高度； 步骤4：先进行对待检测的图片进行处理，将图片的大小统一为300×300，然后，载入主干网络以及训练好的模型，接着把图片载入到模型之中，获取与预测相关的位置数据以及类别数据后，对预测结果进行筛选，最后绘制预测框。

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沈阳理工大学，其通讯地址为：110159 辽宁省沈阳市浑南新区南屏中路6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”。

以上内容由龙图腾AI智能生成。