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！

龙图腾网恭喜南京理工大学;南京理工晟奥光电科技有限公司申请的专利一种基于深度特征融合的遥感飞机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：CN114821347B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202110084548.9，技术领域涉及：G06V20/13；该发明授权一种基于深度特征融合的遥感飞机目标识别方法是由陈欣;顾国华;万敏杰;黄琴燕;许运凯;马超;王佳节;陈钱;钱惟贤;任侃;路东明设计研发完成，并于2021-01-21向国家知识产权局提交的专利申请。

本一种基于深度特征融合的遥感飞机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深度特征融合的遥感飞机目标识别方法。该方法为：获取遥感飞机图片，利用标注软件对飞机目标进行标注，构建VOC格式数据集；初始化SSD网络参数；分批次将图片送入SSD网络，提取7种不同尺寸的特征图；设计特征融合机制，每次选取深层、中层、浅层3种不同尺寸的特征图进行融合；针对包括融合后特征图在内的各不同尺寸的特征图，生成不同尺寸的先验框，并调整先验框相对于输入图片的尺寸；计算先验框与真实框之间的匹配系数并划分正负样本，计算loss值并优化网络；将下一批次图片送入SSD网络，循环迭代得到SSD网络模型，完成遥感飞机目标识别。本发明适用于小目标识别，提高了遥感飞机目标识别的精度。

本发明授权一种基于深度特征融合的遥感飞机目标识别方法在权利要求书中公布了：1.一种基于深度特征融合的遥感飞机目标识别方法，其特征在于，包括以下步骤： 步骤1、获取遥感飞机图片，利用标注软件对飞机目标进行标注，构建VOC格式数据集； 步骤2、初始化SSD网络参数：学习率、每一批次送入SSD网络的图片数、最大迭代次数； 步骤3、分批次将图片送入SSD网络，提取7种不同尺寸的特征图； 步骤4、针对步骤3所获得的特征图，设计特征融合机制，每次选取深层、中层、浅层3种不同尺寸的特征图送入融合机制，将浅层特征图、中层特征图、深层特征图进行融合得到融合后特征图； 步骤5、针对包括步骤4生成的融合后特征图在内的各不同尺寸的特征图，生成不同尺寸的先验框，并根据遥感飞机目标尺寸的特点，调整先验框相对于输入图片的尺寸； 步骤6、计算步骤5得到的先验框与真实框即目标的真实位置框之间的匹配系数并划分正负样本，然后计算损失函数的值即loss值，根据loss值梯度优化网络；返回步骤3，将下一批次图片送入SSD网络，直至达到最大迭代次数，得到SSD网络模型； 步骤7、采用所得到的SSD网络模型，完成遥感飞机目标识别； 步骤4中所述设计特征融合机制，每次选取深层、中层、浅层3种不同尺寸的特征图送入融合机制，将浅层特征图、中层特征图、深层特征图进行融合得到融合后特征图，包括以下步骤： 步骤4.1、分别提取深度、尺寸皆不相同的三层特征图：浅层特征图、中层特征图、深层特征图； 步骤4.2、对所提取的小尺寸、高语义信息深层特征图，利用双线性插值法做上采样，采样至中层特征图尺寸；再利用3×3卷积核进行卷积操作，消除上采样过程中带来的冗余信息；之后再做1×1的卷积，减少通道数； 步骤4.3、对所提取大尺寸、低语义信息的浅层特征图，进行卷积做上采样至中层特征图尺寸，再做1×1的卷积，减少通道数； 步骤4.4、将深层和浅层特征图通过上、下采样至中层特征图尺寸之后，对三个不同深度、同尺寸的特征图进行向量拼接，即将三层特征图进行通道合并，对通道合并后的特征图进行3×3的卷积，最终生成融合后特征图； 步骤5所述生成不同尺寸的先验框，包括以下步骤： 步骤5.1、将所提取到的各不同尺寸的特征图按像素划分成N×N的网格结构，以每个网格的中心点为先验框的中心点，设特征图尺寸为d，相当于每隔dN的距离移动先验框检测目标； 步骤5.2、以每个网格的中心点为中心所生成的先验框具有不同大小、不同长宽比，先验框长宽比共有5种：{1,2,3,12,13}； 根据输入特征图尺寸的不同，先验框的尺寸也不相同，对于先验框的尺寸，计算公式为： 式中，m＝5，sk表示第k个先验框尺寸相对输入图片比例，smin表示先验框尺相对原图片的最小比例，smax表示先验框尺寸相对原图片的最大比例； 步骤5.3、根据遥感飞机图片目标尺寸的特点，调整先验框大小使之与目标尺寸大小匹配，从而使得所构建特征的感受野大小与目标尺寸保持一致，即调整smin、smax的值，使得浅层特征图的sk值减小，适应飞机目标尺寸； 步骤6中改进的SSD网络模型，确定过程包括以下步骤： 步骤6.1、计算先验框与真实框的交并比即IOU值： 其中Bdefault表示先验框，Bground表示真实框； 根据预先设定的IOU阈值进行正负样本选取，控制正负样本比例为1:3； 步骤6.2、计算损失函数，损失函数L为分类损失和位置损失的加权和： 其中，Lconfx,c表示先验框属于飞机目标或背景的损失，Llocx,l,g表示先验框的坐标回归的损失；x表示先验框，c表示匹配概率，l表示先验框位置预测值，g表示真实框位置参数，N表正样本集数量；α为权重，设置为1； 步骤6.3、使用loss函数导数，根据随机梯度下降法优化改进的SSD网络；返回步骤3，将下一批次图片送入网络，直至达到最大迭代次数，得到改进的SSD网络模型。

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南京理工大学;南京理工晟奥光电科技有限公司，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。