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！

龙图腾网获悉北京邮电大学申请的专利基于混合Mamba-CNN网络的无人机多模态遥感图像目标检测方法及装置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：CN119540786B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411408338.0，技术领域涉及：G06V20/13；该发明授权基于混合Mamba-CNN网络的无人机多模态遥感图像目标检测方法及装置是由吴鑫;王莉;徐连明;任柯君设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本基于混合Mamba-CNN网络的无人机多模态遥感图像目标检测方法及装置在说明书摘要公布了：本发明提供一种基于混合Mamba‑CNN网络的无人机多模态遥感图像目标检测方法及装置，其中方法包括：获取待检测的可见光图像和热红外图像；将可见光图像和热红外图像输入至目标检测网络，得到遥感检测结果；目标检测网络基于孪生特征提取网络构建，孪生特征提取网络包括可见光分支网络、红外分支网络、跨模态融合模块、颈部层和检测头，可见光分支网络提取可见光图像中的可见光局部特征，红外分支网络提取热红外图像中的红外局部特征，跨模态融合模块对可见光局部特征和红外局部特征进行融合，得到多尺度特征，颈部层基于多尺度特征，得到全局融合特征，检测头基于全局融合特征，得到遥感检测结果，增强了多模态目标检测的精度与鲁棒性。

本发明授权基于混合Mamba-CNN网络的无人机多模态遥感图像目标检测方法及装置在权利要求书中公布了：1.一种基于混合Mamba-CNN网络的无人机多模态遥感图像目标检测方法，其特征在于，包括： 获取待检测的可见光图像和热红外图像； 将所述可见光图像和所述热红外图像输入至目标检测网络中，得到所述目标检测网络输出的遥感检测结果； 所述目标检测网络基于孪生特征提取网络构建，所述孪生特征提取网络包括可见光分支网络、红外分支网络、跨模态融合模块、颈部层和检测头，所述可见光分支网络用于提取所述可见光图像中的可见光局部特征，所述红外分支网络用于提取所述热红外图像中的红外局部特征，所述跨模态融合模块用于对所述可见光局部特征和所述红外局部特征进行融合，得到多尺度特征，所述颈部层用于基于所述多尺度特征，得到全局融合特征，所述检测头用于基于所述全局融合特征，得到所述遥感检测结果； 所述跨模态融合模块包括第一跨模态融合层、第二跨模态融合层和第三跨模态融合层； 所述第一跨模态融合层用于对第一可见光局部特征和第一红外局部特征进行融合，得到第一多尺度特征；所述第一可见光局部特征是所述可见光分支网络的第二层特征提取层输出的；所述第一红外局部特征是所述红外分支网络的第二层特征提取层输出的； 所述第二跨模态融合层用于对第二可见光局部特征和第二红外局部特征进行融合，得到第二多尺度特征；所述第二可见光局部特征是所述可见光分支网络的第三层特征提取层输出的；所述第二红外局部特征是所述红外分支网络的第三层特征提取层输出的； 所述第三跨模态融合层用于对第三可见光局部特征和第三红外局部特征进行融合，得到第三多尺度特征；所述第三可见光局部特征是所述可见光分支网络的第五层特征提取层输出的；所述第三红外局部特征是所述红外分支网络的第五层特征提取层输出的； 相应地，所述颈部层用于基于所述第一多尺度特征、所述第二多尺度特征和所述第三多尺度特征，得到所述全局融合特征； 所述跨模态融合模块包括归一化层、线性层、深度可分离卷积层、激活层、扫描拓展与融合层、选择性状态空间模型、扫描合并层、第一残差层和第二残差层； 所述扫描拓展与融合层用于将所述深度可分离卷积层输出的可见光特征和红外特征分别在四个方向上展平，得到一维可见光特征和一维红外特征，并对所述一维可见光特征和所述一维红外特征进行区域级的特征融合，得到多个一维融合序列； 所述选择性状态空间模型用于对所述多个一维融合序列分别进行特征提取，得到多个一维融合特征； 所述扫描合并层用于对所述多个一维融合特征进行特征组合，并将组合特征投影至原始输入特征空间大小，得到合并特征； 所述第一残差层用于基于所述合并特征和所述可见光局部特征，得到第一互补特征，并基于所述合并特征和所述红外局部特征，得到第二互补特征； 所述第二残差层用于基于所述第一互补特征，得到多尺度第一特征，并基于所述第二互补特征，得到多尺度第二特征。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。