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！

龙图腾网恭喜电子科技大学申请的专利一种CNN+Transformer遥感图像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：CN116977872B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202310885532.7，技术领域涉及：G06V20/13；该发明授权一种CNN+Transformer遥感图像检测方法是由刘霖;杨海光;黄钰林;刘泽林;裴季方;唐雪;霍伟博;张寅;杨建宇设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本一种CNN+Transformer遥感图像检测方法在说明书摘要公布了：本发明公开一种CNN+Transformer遥感图像目标检测方法，应用于目标检测领域，针对现有的基于卷积神经网络的目标检测算法，存在检测准确率低下的问题；本发明首先构建一个CNN和Transformer并行的目标检测网络，利用全局信息和局部信息交互的方式提高多尺度目标检测任务的效果，并在网络中使用自顶向下和自底向上两条路径融合多尺度信息，最后使用坐标注意力CA机制完成特征选择，赋予每个通道自适应权重，实现对遥感图像多尺度目标的准确检测和定位；本发明的方法结合CNN和Transformer各自的优势，准确定位目标区域，经训练后可较高地保证检测率，实现遥感图像目标的准确检测。

本发明授权一种CNN+Transformer遥感图像检测方法在权利要求书中公布了：1.一种CNN+Transformer并行结构的遥感图像多尺度目标检测方法，其特征在于，具体步骤如下：S1、构建多层CNN的卷积层结构；步骤S1的多层CNN的卷积层结构包括六层CNN，第一层CNN用于通道调整，其余层CNN用于提取局部信息，每层CNN具体包括：第一1×1卷积层、3×3卷积层、第二1×1卷积层；S2、构建多层Transformer结构；多层Transformer结构具体包括四层Transformer，每层Transformer包括：第一层标准化、多头自注意、第二层标准化、多层感知机；S3、对步骤S1、S2的结构搭建信息交换路径，得到初步的并行骨干网络；步骤S3所述初步的并行骨干网络具体为：经第一层CNN通道调整后的输入图像，输入第一层Transformer、第二层CNN；第一层Transformer提取的全局信息经上采样后输入第二层CNN，第二层CNN取的局部特征作为第三CNN的输入，第二层CNN取的局部特征通过下采样后输入第二层Transformer；第二层Transformer提取的全局信息经上采样后输入第三层CNN，第三层CNN取的局部特征作为第四CNN的输入，第三层CNN取的局部特征通过下采样后输入第三层Transformer；第三层Transformer提取的全局信息经上采样后输入第四层CNN，第四层CNN取的局部特征作为第五CNN的输入，第四层CNN取的局部特征通过下采样后输入第四层Transformer；第四层Transformer提取的全局信息经上采样后输入第五层CNN，第五层CNN取的局部特征作为第六CNN的输入；S4、对步骤S3得到初步的并行骨干网络搭建特征金字塔结构，形成颈部网络；步骤S4所述颈部网络，具体为：初步的并行骨干网络中的第六CNN提取到的局部特征记为P5，将P5通过上采样后与第五CNN提取到的局部特征相加后得到的特征记为P4，将P4通过上采样后与第四CNN提取到的局部特征相加后得到的特征记为P3，将P3通过上采样后与第三CNN提取到的局部特征相加后得到的特征记为P2；记P2下采样得到的特征为C2，将C2下采样后与P3相加后得到的特征记为C3；将C3下采样后与P4相加后得到的特征记为C4；将C4下采样后与P5相加后得到的特征记为C5；S5、对步骤S4的网络连接CA注意力模块，构建深度神经网络；步骤S5所述的对步骤S4的网络连接坐标注意力模块，具体为：将C3、C4、C5分别连接一个坐标注意力模块；S6、采集遥感图像目标检测数据，根据得到的遥感图像目标检测数据集，生成样本训练集、验证集与测试集；S7、根据步骤S6样本训练集、验证集对步骤S5构建的深度神经网络进行训练；S8、将测试集输入经步骤S7训练完成的深度神经网络，从而对遥感图像进行目标检测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。