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！

龙图腾网恭喜北京建筑大学申请的专利一种有效识别SAR影像中舰船目标的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：CN119625555B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411681062.3，技术领域涉及：G06V20/13；该发明授权一种有效识别SAR影像中舰船目标的方法是由庞蕾;徐立寰;屈衍慧;黄炜河;宋银红;王建旭;钱佳慧;李淼;束雅;王恩哲;黄圣佳;张佳尧;王正昕设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种有效识别SAR影像中舰船目标的方法在说明书摘要公布了：本发明属于图像识别技术领域，涉及一种有效识别SAR影像中舰船目标的方法：收集SAR影像以及高分卫星和哨兵卫星拍摄的影像，按照8:2的比例构建训练集和测试集；以YOLOv8n模型为基线模型来构建YOLOv8‑BCN检测模型，YOLOv8‑BCN检测模型包括C3BoT构建的骨干网络、C3NeXt构建的颈部网络以及下采样模块CLG；根据训练影像采用随机梯度下降算法训练YOLOv8‑BCN检测模型，并保存训练效果优的YOLOv8‑BCN检测模型；将测试集中的影像输入到训练好的YOLOv8‑BCN检测模型中进行测试，YOLOv8‑BCN检测模型输出预测后的检测结果；本发明所述YOLOv8‑BCN检测模型在图像的预测上能够达到12.2msperimage。

本发明授权一种有效识别SAR影像中舰船目标的方法在权利要求书中公布了：1.一种有效识别SAR影像中舰船目标的方法，其特征在于：包括如下步骤：S1、对从SSDD数据集中收集SAR影像和从SAR-ship-dataset数据集中收集高分卫星和哨兵卫星拍摄的影像，按照训练测试比为8:2的比例构建训练集和测试集；S2、以YOLOv8n模型为基线模型来构建YOLOv8-BCN检测模型；其中：所述YOLOv8-BCN检测模型包括骨干网络backbone、颈部网络neck以及下采样模块CLG；其中：所述骨干网络backbone的最后一个stage使用C3BoT，且C3BoT具有transformer风格，所述C3BoT的左支路是将输入的图片通过一个ConvBNSilubackbone进行卷积操作后，输入到右支路的尾ConvLNbackbone；右支路是将输入的图片从上而下依次通过头ConvLNbackbone、BoTbackbone和Concatbackbone操作后，输入到尾ConvLNbackbone；其中，所述BoTbackbone的结构为标准的Bottleneck结构，且将Bottleneck结构中的3*3卷积替换为多头自注意力MHSA；所述下采样模块CLG用于替换YOLOv8n模型中除骨干网络的最开始的两层用于下采样的Conv外的所有用于下采样的Conv，所述下采样模块CLG是在Transformer的encoder结构中，从上至下依次设置kernel_size＝2,stride＝2的卷积层、layernorm标准化层和GELU激活函数构成的；所述颈部网络neck使用C3NeXt，且C3NeXt具有transformer风格，所述C3NeXt的左支路是将从骨干网络backbone输入的特征图通过一个ConvBNSiluneck进行卷积操作后，输入到右支路的尾ConvLNneck；右支路是将从骨干网络backbone输入的特征图从上而下依次通过头ConvLNneck、ConvNextBlockneck和Concatneck操作后，输入到尾ConvLNneck；其中，所述ConvNextBlocknec是由Invertedbottleneck构成的；S3、将训练集中的影像输入所述YOLOv8-BCN检测模型，采用随机梯度下降算法中从头开始训练所述YOLOv8-BCN检测模型，并保存训练效果优的YOLOv8-BCN检测模型；S4、将测试集中的影像输入到训练好的YOLOv8-BCN检测模型中进行测试，YOLOv8-BCN检测模型输出预测后的检测结果。

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北京建筑大学，其通讯地址为：100044 北京市西城区展览路1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”。