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！

龙图腾网获悉西北工业大学申请的专利一种主干轻量化特征增强的雷达图像舰船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：CN119810644B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411851810.8，技术领域涉及：G06V20/10；该发明授权一种主干轻量化特征增强的雷达图像舰船目标检测方法是由陈士超;石卓燃;郭子薰;范一飞;王伶;李滔;刘向阳设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种主干轻量化特征增强的雷达图像舰船目标检测方法在说明书摘要公布了：本发明公开了一种主干轻量化特征增强的雷达图像舰船目标检测方法，包括：将SAR图像输入到训练好的目标检测模型中，通过模型输出目标检测结果；其中，所述目标检测模型包括特征提取主干网络、特征融合网络、全局注意力网络以及检测头；所述特征提取主干网络，从前至后包括卷积层Conv、深度可分离卷积层DWConv、批归一化层BN、依次连接的四个残差块，在批归一化层之后设置有SiLU激活函数；特征融合网络包括三层特征金字塔，全局注意力网络包括全局注意力块，特征金字塔的每一层输出进入一个全局注意力块；全局注意力块包含三条支路，分别为捷径映射支路、压缩归一支路以及激活显化支路；全局注意力网络的输出进入到检测头中，通过检测头输出目标检测结果。

本发明授权一种主干轻量化特征增强的雷达图像舰船目标检测方法在权利要求书中公布了：1.一种主干轻量化特征增强的雷达图像舰船目标检测方法，其特征在于，包括： 获取待检测的SAR图像，将SAR图像输入到训练好的目标检测模型中，通过模型输出目标检测结果；其中，所述目标检测模型包括特征提取主干网络、特征融合网络、全局注意力网络以及检测头； 所述特征提取主干网络，从前至后包括卷积层Conv、深度可分离卷积层DWConv、批归一化层BN、依次连接的四个残差块，在批归一化层之后设置有SiLU激活函数；所述残差块具有两条支路： 第一条支路中，进入残差块的输入特征图X首先通过第一个可变卷积层DConv处理后通道数不变，再经过第二个可变卷积层后通道数减少为一半，记为X1；X1进入深度可分离卷积层DWConv处理后得到X2，X1与X2再进行通道维度上的拼接，之后再经过SE注意力机制、另外一个可变卷积层DConv后得到；第二条支路为捷径映射支路，将输入特征图X直接输出；最终残差块的输出特征图为与X拼接后的结果；所述可变卷积层DConv的处理过程表示为： 其中，R表示卷积核，代表卷积核中每一个点相对于中心点的偏移量，表示卷积核对应位置的权重，表示特征图上位置处的元素值，表示输出特征图上位置的元素值，由卷积核与输入特征图卷积得到；偏移量为在目标检测模型训练过程中的可学习参数； 特征融合网络包括三层特征金字塔，将第四个残差块的输出作为特征金字塔的最顶层；特征金字塔的中间层由第三个残差块的输出与经过2倍上采样后的顶层相加得到，特征金字塔的最底层为第二个残差块的输出与经过2倍上采样后的中间层相加得到； 全局注意力网络包括全局注意力块，特征金字塔的每一层输出进入一个全局注意力块；全局注意力块包含三条支路，分别为捷径映射支路、压缩归一支路以及激活显化支路： 捷径映射支路用于将输入特征图XN直接映射作为输出； 压缩归一支路用于将输入特征图XN经过深度可分离卷积层DWConv降低计算参数后，经过批归一化层BN、卷积层Conv处理后，得到输出特征图XN1； 激活显化支路用于将输入特征图XN经过通道数量调整后得到XN2，然后与XN1逐元素相加，得到过渡特征；过渡特征经过卷积层Conv处理和非线性函数Sigmoid激活后得到，之后与XN1逐元素相乘，得到； 最后全局注意力块的输出为与XN逐元素相加后的结果； 全局注意力网络的输出进入到检测头中，通过检测头输出目标检测结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。