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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于多层和区域特征融合的航拍遥感图像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：CN114882352B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210340880.1，技术领域涉及：G06V20/10；该发明授权一种基于多层和区域特征融合的航拍遥感图像识别方法是由孙涵;刘宇泽;李明洋;王恩浩;康巨涛设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本一种基于多层和区域特征融合的航拍遥感图像识别方法在说明书摘要公布了：本发明公开了一种基于多层和区域特征融合的航拍遥感图像识别方法，属于细粒度图像识别领域，采用骨干网络Resnet‑50，根据航拍遥感图像更新速度快、图像细节模糊、分辨率低等特点进行了针对性的改进。本发明采用的新的多层融合和区域特征融合方式，多层融合中附带注意力权重，给予模型自主分配融合比重的能力，使对于浅层特征图中细节部分的选取具有灵活性，更好的保留了对于遥感图像局部细节特征信息的利用，兴趣区域的提取策略减少了区域特征融合的计算开销和参数量。

本发明授权一种基于多层和区域特征融合的航拍遥感图像识别方法在权利要求书中公布了：1.一种基于多层和区域特征融合的航拍遥感图像识别方法，其特征在于，包括以下步骤：步骤1航拍图像数据集制作：对数据集进行预处理操作，图像填充后随机裁剪，并进行随机旋转和水平翻转用于数据增强；步骤2搭建图像识别模型：基于航拍图像数据集，训练图像识别模型，具体包括以下步骤：步骤2.1从骨干网络中获取特征层：在骨干网络ResNet-50的{Oi|i＝1,2,3,4,5}特征图，选择其中的{Oi|i＝2,3,4,5}作为多层特征融合的几个特征层，特征层对应的通道数为{256,512,1024,2048}；步骤2.2融合前处理：对{Oi|i＝2,3,4,5}四张特征图在处理前添加注意力权重{Ai|i＝2,3,4,5},与特征图进行元素相乘,初始化同为0.25；通过1×1卷积将{Oi|i＝2,3,4,5}特征图的通道数转换为128；对{Oi|i＝2,3,4}三个特征图分别采用同样扩张率的扩张卷积进行操作，最后和5×5卷积核产生的感受野相同但参数减少，从而使感受野扩大；在分别进行独立的不同扩张率的卷积核卷积后，保持扩张卷积后的通道数仍为128；对不同扩张率卷积后的三张特征图进行元素相加，最后经过3×3的卷积核进行融合，输出特征通道数为128；步骤2.3融合操作：将步骤2.2输出的4张处理后的特征图采用相邻相加的方式融合，相加后分别经过3×3卷积核进行融合，保持通道数为128，得到3个特征图，重复上述操作，两两相邻融合，最后得到多层融合后的总特征图O，维度为128,56,56；步骤2.4双线性插值重置特征图大小：对于步骤2.3产生的维度为128,56,56的特征图，采用双线性插值将特征图转化为维度为128,42,42的特征图；步骤2.5兴趣区域提取：对步骤2.4中改变大小为128,42,42的特征图，以14为单位将特征图的前两维划分为3×3的平面，按照大于1×1的大小提取兴趣区域，同时将可由更小兴趣区域组合成的较大的兴趣区域删除，加上原来的128,42,42维度的特征图，共得到19个特征图，采用双线性插值将不同大小的兴趣区域统一形状为128,7,7的特征向量；步骤2.6区域特征融合：将步骤2.5提取出的用来统一维度为128,7,7的特征向量转换为有权重的形式，输出为19个维度为128,7,7的特征向量；步骤2.7识别结果输出：将步骤2.6得到的19张融合后的特征区域进行最后的分类操作，首先在保留通道数的基础上调整形状，将19张特征图通道维以外的数据合成一维，也就是128,19×49，即128,931，进行平均池化后乘以权重α，同时对最开始多层融合模块的输出特征图进行平均池化，得到两张形状为128，1和128,1,1的特征向量，在行方向一维展平后形状为128，然后将两张特征图元素加和送入Asoftmax中，根据输出概率得出最后的预测结果；步骤2.8训练识别模型：所有图像在送入模型前尺寸统一调整，根据训练配置得到网络模型参数；步骤3测试图像检测过程：利用训练好的图像识别网络以及网络权重参数对测试图像中的图像进行识别，并且输出预测的类别。

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航空航天大学，其通讯地址为：210007 江苏省南京市秦淮区御道街29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”。