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！

龙图腾网恭喜中国人民解放军军事科学院国防科技创新研究院申请的专利一种微小卫星集群多模态遥感图像目标检测与识别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：CN119169484B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411668997.8，技术领域涉及：G06V20/13；该发明授权一种微小卫星集群多模态遥感图像目标检测与识别方法是由王鑫慧;郭鹏宇;刘勇;曹璐;王凯设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种微小卫星集群多模态遥感图像目标检测与识别方法在说明书摘要公布了：本发明公开了一种微小卫星集群多模态遥感图像目标检测与识别方法，包括以下步骤：S1.多模态遥感图像获取：通过微小卫星集群搭载的不同相机拍摄多模态遥感图像；S2.特征提取：通过为伪孪生网络分别提取各模态遥感图像的语义特征；S3.特征融合：分别通过空间和通道注意力机制，以及卷积稀疏表示融合完成多模态遥感信息的特征级融合和像素级融合;S4.目标检测与识别：分别将特征级融合和像素级融合获得的特征图输入到识别网络中，得到多模态遥感图像目标检测与识别结果。本发明方法能提高的目标检测与识别算法的准确率。

本发明授权一种微小卫星集群多模态遥感图像目标检测与识别方法在权利要求书中公布了：1.一种微小卫星集群多模态遥感图像目标检测与识别方法，其特征在于，具体包括以下步骤：S1.多模态遥感图像获取：通过微小卫星集群搭载的不同相机拍摄多模态遥感图像；S2.特征提取：通过伪孪生网络分别提取各模态遥感图像的语义特征；S3.特征融合：分别通过多模态注意力机制以及卷积稀疏表示完成多模态遥感信息的特征级融合和像素级融合；多模态注意力机制赋值后的特征图增强与目标存在依赖关系的模态内和模态间的相关语义，弱化与目标不存在依赖关系的模态内和模态间的不相关语义；S4.目标检测与识别：分别将特征级融合和像素级融合获得的特征图输入到识别网络中，得到多模态遥感图像目标检测与识别结果；步骤S2中，特征提取的具体方法是：采用伪孪生网络作为特征提取网络对多模态遥感图像进行特征提取，伪孪生网络包含三条并行支路，其输入分别为可见光、红外和SAR遥感图像，输出分别为三个模态的特征图；并行支路的伪孪生网络能够获取具有泛化能力的本质特征，避免多模态遥感图像对场景和地面目标表达差异引起的干扰；所述伪孪生网络的三条支路是相同结构的多尺寸特征提取网络Res2net；改进的Res2net增加了通道混洗模块，以改善跨特征通道的信息流动，增加特征的泛化性；Res2net对输入特征进行1×1卷积运算后，将输入特征按通道拆分为s组，每组特征分别记为xi；xi捕获不同空间尺度下的图像特征，提升网络对不同尺寸的目标和背景特征的理解能力；同时，用yi表示输出特征，除第一组外，每组特征要经过一个卷积核尺寸为3×3的卷积运算，卷积操作记为Ki（）；除前两组外，每组特征要先与前一组输出特征叠加，而后再经过Ki（）运算，公式表示为： 最后，将来自s个支路的s组特征按通道拼接，并送入通道混洗模块，最后进行1×1卷积操作后输出；其公式表示为： 其中，yi表示第i个尺度的输出特征，[,]表示按通道拼接，表示按特征通道随机打乱，表示卷积核尺寸为1×1的卷积运算；步骤S3中，多模态注意力的输出特征图获取方法是：分别将空间注意力和通道注意力与输入特征相乘，并叠加，分别从空间和通道维度对输入数据赋予不同权值；其公式表示为： 其中，表示注意力加权后的特征图；F是特征图，和是权值；采用卷积稀疏表示进行像素级融合，其公式表示为： 其中，表示m维的字典滤波器，f表示待稀疏表示的图像，表示f的一组特征映射，与f尺寸相同，*表示卷积运算，和分别表示1范数和2范数，为稀疏正则项，代表模型准确性和稀疏性的平衡。

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中国人民解放军军事科学院国防科技创新研究院，其通讯地址为：100070 北京市丰台区东大街53号院；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”。