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！

龙图腾网获悉东北大学申请的专利一种基于大核卷积的遥感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：CN119964021B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510033575.1，技术领域涉及：G06V20/13；该发明授权一种基于大核卷积的遥感小目标检测方法是由曹春红;张芷晴;李盼设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于大核卷积的遥感小目标检测方法在说明书摘要公布了：本发明提供一种基于大核卷积的遥感小目标检测方法，涉及遥感图像目标检测技术领域。该方法设计了C2f_UniRepLKNetBlock模块，将其使用在主干网络中，该模块可根据每次卷积操作的具体卷积核尺寸灵活调整卷积任务，灵活聚合多尺度信息，充分提取相关特征信息，发挥大卷积核优势并有效的提高了检测精度；设计了LSKA‑SPPF模块作为主干网络的空间金字塔池化模块，LSKA‑SPPF模块结合了自注意力机制和大核卷积优势，将二维卷积分解为一维卷积，从而减少背景信息的干扰，降低计算复杂度和内存占用；在回归损失计算中引入NWD方法，将传统的CIoU方法与NWD方法相结合，减少对于遥感图像中不同尺度物体检测的敏感性，提升检测能力。

本发明授权一种基于大核卷积的遥感小目标检测方法在权利要求书中公布了：1.一种基于大核卷积的遥感小目标检测方法，其特征在于：包括以下步骤： S1、建立遥感图像数据集，对遥感图像数据集中的遥感图像进行预处理，将预处理后的遥感图像数据集按比例划分为训练集、验证集以及测试集； S2、以YOLOv8作为基础网络建立基于大核卷积的UL-YOLOv8遥感小目标检测模型，将YOLOv8的主干网络中的C2f模块替换为C2f_UniRepLKNetBlock模块；将YOLOv8的主干网络中的SPPF空间金字塔池化模块替换为LSKA-SPPF空间金字塔池化模块；在损失函数部分引入NWD损失函数与原有的CIOU损失函数相结合，建立基于大核卷积的UL-YOLOv8遥感小目标检测模型； S3、使用预处理后的遥感图像数据集对UL-YOLOv8遥感小目标检测模型进行训练以及验证，设置训练相关参数，训练结束后，保存训练好的UL-YOLOv8遥感小目标检测模型权重； S4、使用训练好的UL-YOLOv8遥感小目标检测模型权重对遥感图像中包含的小目标进行检测，将待检测的遥感图像输入UL-YOLOv8遥感小目标检测模型，得到检测出的小目标的边界框以及标签信息； 所述S2包括： S2.1、基于YOLOv8模型主干网络的C2f模块，引入UniRepLKNetBlock模块替换C2f模块原有的Bottleneck模块，构建C2f_UniRepLKNetBlock模块，使用C2f_UniRepLKNetBlock模块替换YOLOv8模型主干网络中的C2f模块； S2.2、基于YOLOv8模型主干网络的SPPF空间金字塔池化模块，引入LSKA注意力机制模块，构建LSKA-SPPF模块，使用LSKA-SPPF模块替换YOLOv8模型主干网络中的SPPF空间金字塔池化模块； S2.3、在损失函数部分，引入NWD损失函数与原有的CIOU损失函数相结合，为NWD损失函数和CIOU损失函数分配不同的权重，降低损失函数对微小物体位置偏差的敏感性； S2.3所述NWD损失函数将真实边界框以及预测边界框进行二维高斯分布，之后通过归一化的Wasserstein距离计算其相似性，计算公式如下： 其中，和分别对应着预测边界框和真实边界框的中心横 纵坐标、预测框宽度和高度，为边界框中心点的x轴坐标，为边界框中心点的y轴坐标，为边界框的宽度，为边界框的高度，表示预测边界框和真实边界 框高斯分布的结果，表示最终归一化后的距离； NWD损失函数如下公式所示： 其中，C为数据集的类别数。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。