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！

龙图腾网获悉四川大学申请的专利一种遥感图像高能量瞬时事件检测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：CN118247655B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202410335005.3，技术领域涉及：G06V20/10；该发明授权一种遥感图像高能量瞬时事件检测识别方法是由杨梦龙;王涵永;李炜;梁斌斌;郑耀;彭嗣婷设计研发完成，并于2024-03-22向国家知识产权局提交的专利申请。

本一种遥感图像高能量瞬时事件检测识别方法在说明书摘要公布了：本发明公开了一种遥感图像高能量瞬时事件检测识别方法，属于图像识别技术领域，包括以下步骤：采集遥感图像，对遥感图像进行时间通道加权处理；对三维空间排布的特征图进行处理，得到长输入流与短输入流；构建改进Yolo‑v7目标检测模型；将长输入流与短输入流输入至改进Yolo‑v7目标检测模型中，得到目标检测结果定位；通过目标跟踪器ByteTrack对目标检测结果定位进行匹配缓存；计算目标的描述信息，完成高能量瞬时事件的实时检测识别。本发明解决了现有技术在高能量瞬时事件检测识别时存在事件目标较小、背景复杂、易受到云等噪声干扰、识别时序纹理不准确以及达不到实时检测的问题。

本发明授权一种遥感图像高能量瞬时事件检测识别方法在权利要求书中公布了：1.一种遥感图像高能量瞬时事件检测识别方法，其特征在于，包括以下步骤：S1、采集遥感图像，对遥感图像进行时间通道加权处理，得到三维空间排布的特征图；S2、对三维空间排布的特征图进行处理，得到长输入流与短输入流，其具体为：S21、将三维空间排布的特征图中被检测的帧作为第0帧；S22、取第-6帧、第-4帧、第-2帧、第-1帧、第0帧、第1帧和第3帧的三维空间排布的特征图，按照时间顺序排列组成三维图像序列，得到长输入流；S22、取第-1帧、第0帧和第1帧的三维空间排布的特征图，按照时间顺序排列组成三维图像序列，得到短输入流；S3、构建改进Yolo-v7目标检测模型；S4、将长输入流与短输入流输入至改进Yolo-v7目标检测模型中，进行目标检测，得到目标检测结果定位，其具体为：S41、将长输入流与短输入流并联输入至采样模块中，得到三个不同时空尺度的特征图序列；S42、将三个不同时空尺度的特征图序列输入至特征级联融合模块中，得到检测结果框的位置信息、类别信息和置信度信息；S5、通过目标跟踪器ByteTrack对目标检测结果定位进行匹配缓存，得到缓存的目标信息；S6、根据缓存的目标信息，计算目标的描述信息，完成高能量瞬时事件的实时检测识别；所述步骤S4中目标检测结果定位包括检测结果框的位置信息、类别信息和置信度信息；所述改进Yolo-v7目标检测模型包括采样模块和特征级联融合模块；所述采样模块包括依次连接的两个卷积-归一化层和三个最大值池化层，其中，所述卷积-归一化层的卷积核大小为3，卷积步长为2；所述特征级联融合模块中的局部跨级特征缩放网络包括4个3×3卷积和一个1×1卷积，其中，4个3×3卷积分别为通道数为2C的第一3×3卷积、通道数为C第二3×3卷积、通道数为C第三3×3卷积和通道数为C第四3×3卷积，所述1×1卷积的通道数为4C；所述第一3×3卷积的输入为局部跨级特征缩放网络的输入，所述第一3×3卷积输出第一卷积特征图与第二卷积特征图，所述第二卷积特征图为第二3×3卷积的输入，所述第二3×3卷积的输出为第三3×3卷积的输入，所述第三3×3卷积输出第三卷积特征图，所述第三卷积特征图为第四3×3卷积的输入，所述第四3×3卷积输出第四卷积特征图，所述第一卷积特征图、第二卷积特征图、第三卷积特征图和第四卷积特征图共同输入至1×1卷积中，所述1×1卷积的输出为局部跨级特征缩放网络的输出。

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四川大学，其通讯地址为：610044 四川省成都市一环路南一段24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”。