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空军工程大学申请的专利一种基于transformer的光学遥感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：CN114821357B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210458590.7，技术领域涉及：G06V20/13；该发明授权一种基于transformer的光学遥感目标检测方法是由何林远;刘旭伦;马时平;周理;刘达;王晨;史鹤欢;王力超;马国勇;张立朝设计研发完成，并于2022-04-24向国家知识产权局提交的专利申请。

本一种基于transformer的光学遥感目标检测方法在说明书摘要公布了：本发明公开了一种基于transformer的光学遥感目标检测方法，提出了适应遥感图像检测的骨干网络，主要利用本网络在保持了细节信息的同时又提取丰富的上下文信息进行目标检测，对检测效果提升非常有效；2本发明提出新的特征融合网络，相比常用的特征金字塔网络，有更好信息表达能力，适应多种类，多尺度目标的检测；3本发明利用不确定权重的损失函数训练网络，取得更好的检测效果。

本发明授权一种基于transformer的光学遥感目标检测方法在权利要求书中公布了：1.一种基于transformer的光学遥感目标检测方法，其特征在于，包括如下步骤：A1、读入光学遥感图像数据集，将数据集划分为训练集、测试集和验证集，同时进行数据的预处理；A2、建立包括TransConNet骨干网络、自适应特征融合网络和多任务检测头网络的网络模型；在所述网络模型中，TransConvNet骨干网络包含四个阶段，将TransConvNet骨干网络中第二、三、四阶段提取的不同深度特征图，送入自适应特征融合网络，得到不同分辨率的五层特征图；所述五层特征图送入多任务检测头网络分别进行目标分类、中心点偏移度、角度和距离偏移的预测，不同分辨率的特征图预测不同尺寸范围的目标；A3、在训练集上进行步骤A2所建立的网络模型进行训练，并在验证集上计算网络模型的检测精度，不断更新网络模型的参数，直到检测精度饱和；A4、利用训练好的网络模型对相应的测试集进行测试并记录光学遥感图像旋转目标检测性能结果；其中，步骤A2中，TransConvNet骨干网络的结构包括patchifystem、TransformerBlock和ConvBlock；1patchifystem用于将2D的RGB图像转化为1D的序列数据：采用两个卷积核大小为3×3、步长为2的卷积操作，实现局部特征的聚合，再连接一个1×1卷积，将维度调整为C，实现跨信道信息的整合，得到H4×W4×C大小的特征，通过Reshape操作，转化为H4*W4×C的序列数据，H和W分别表示图片的宽和高；2在TransConvNet骨干网络的每个阶段均包含两种模块，分别是TransformerBlock和ConvBlock；TransformerBlock中，先将输入的数据通过1×1卷积降低维度，然后采用基于窗口的注意力模型，通过排列窗口，以不重叠的方式均匀地将图像分割大小为M×M的窗口，在每个窗口内部进行注意力计算，在输出时连接1×1卷积提升维度；TransformerBlock中的操作过程可表示为： 式中zl-1、zl为第l个TransformerBlock的输入和输出，W-MSA为基于窗口的自注意力计算；在TransformerBlock后连接ConvBlock，实现数据的融合以及窗口之间数据的交互，对全局关系的建模；残差连接的ConvBlock分为两种情况：a输入和输出尺度相同，则直接连接；b除第一阶段外，每个阶段最后一个ConvBlock中3×3卷积核的步长为2，实现本阶段尺度减半，因此残差连接也会使用3×3卷积降采样，保持尺度一致；情况a和情况b的过程可分别表示为：a: b: 式中zl、zl+1为第l个ConvBlock的输入和输出。

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空军工程大学，其通讯地址为：710038 陕西省西安市灞桥区霸陵路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”。