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！

龙图腾网恭喜杭州电子科技大学申请的专利基于特征融合和注意力机制的机载图像车辆目标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：CN114332620B 。

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：202111654301.2，技术领域涉及：G06V20/10；该发明授权基于特征融合和注意力机制的机载图像车辆目标识别方法是由胡馨之;潘勉;吕帅帅;金建国;唐金龙设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本基于特征融合和注意力机制的机载图像车辆目标识别方法在说明书摘要公布了：本发明公开了一种基于特征融合和注意力机制的机载图像车辆目标识别方法。本发明使用自顶向下和自底向上的双重金字塔结构，并加入多个横向连接，将输出的第一级特征与第二、三级特征相融合，增强了网络的表征能力，得到具有更加丰富的语义信息的特征图。能够改善目标检测漏检、误检的问题。本发明针对机载图像中背景较复杂这一问题，使用注意力模块，突出目标区域的特征，使网络重点学习有需要的区域。在注意力模块中使用空间注意力和通道注意力模块并联的方式，既获得了空间的重点信息又获得了通道的重点信息，并与原始特征图相加，得到更精确的特征图。能够在不增加过多时间的前提下，使后续的检测更加准确。

本发明授权基于特征融合和注意力机制的机载图像车辆目标识别方法在权利要求书中公布了：1.一种基于特征融合和注意力机制的机载图像车辆目标识别方法，其特征在于，包括以下步骤：S1:构建机载图像车辆目标识别模型；机载图像车辆目标识别模型包括特征提取模块、特征融合模块、注意力机制模块和检测模块；特征提取模块用于对输入的原始图片进行特征提取；特征融合模块将提取后的特征进行融合，获得更加丰富的语义信息；注意力机制将融合后特征中的重点信息突出显示；检测模块用于获得目标的类别与位置；S2：通过特征提取模块，使用卷积神经网络对原始图片进行特征提取，输出具有多尺度的特征图；S3：通过特征融合模块对顶层的特征图进行上采样，并与低层特征进行横向连接，构建一个自顶向下的金字塔结构，输出初步融合后的多尺度特征；然后对于初步融合后的多尺度特征进行处理，对底层特征进行下采样，并与高层特征图和S2中输出的高层特征图分别进行横向连接，构成一个自底向上的金字塔结构，输出最终融合后的多尺度特征；S4：通过注意力模块，对最终融合后的多尺度特征，沿着空间和通道两个维度进行操作；在空间和通道两个子模块中，分别计算特征图的缩放因子和权重，并与原特征图相乘来对特征进行自适应调整，使网络学习关注特征图的重点信息；最后将空间和通道两个子模块的输出与输入特征图相加，得到最终的结果；S5：生成多个不同比例、大小的候选框，得到每个输出特征图位置的候选框列表，计算得到每个特征图上对应于原图的候选框，利用真实值信息计算每个候选框的正负样本属性；S6：检测模块根据需要选用一阶段检测器，其包括分类、回归两个子网络，将特征图分别送入分类、回归两个子网络，分别用于判断目标的类别及目标的具体位置，得到每个预测框及其类别的置信度，并使用回归网络修正位置；最后使用非极大值抑制去除冗余的预测框，保留结果最好的一个，得到最终的检测结果；所述S3详细步骤为：S3.1：将特征图{P2,P3,P4,P5}进行自顶向下的增强；首先将S2中得到的特征图的通道归一化，并将最上层特征图P5平移得到N5；将平移后的特征图进行像素混洗，将原特征图放大两倍；然后将放大后的特征图的通道归一化，以便与S2中的低层特征图横向连接，得到新的特征图N4；N4重复进行放大与横向连接操作，直与S2中低层特征图全部完成横向连接；具体表现为： 其中Ni为特征融合后的第i层特征图，Conv1×1为大小是1×1的卷积，PS·表示像素混洗函数对特征进行上采样，L·代表通道归一化操作，Ni+1为上一层特征图，kn为卷积核的数量，sn为卷积核移动的步长，其中kn＝256，sn＝1；Pi为Resnet50特征提取后得到的相较于Ni+1低一层的特征图；最终输出初步融合后的特征图{N2,N3,N4,N5}S3.2：将特征图{N2,N3,N4,N5}进行自底向上的增强；首先将最底层的特征图平移；此后，每一层特征图都进行卷积操作，使特征图缩小两倍，然后与相对应的Ni特征图和Pi特征图进行横向连接，对连接后的特征图进行卷积操作，最终生成新的高分辨率的特征图；具体表现为： 其中Fi为输出的高分辨率的第i层特征图，Conv3×3为大小是3×3的卷积，kf为卷积核的数量，其中kf＝2，2表示卷积核移动的步长为2，Ni为S3.1中第i层特征图，Pi为S2中第i阶段输出的特征图，1表示卷积核移动的步长；最终输出的特征图为{F2,F3,F4,F5}。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。