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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于无锚点级联检测的无人机图像车辆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：CN114419433B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202111654281.9，技术领域涉及：G06V20/10；该发明授权一种基于无锚点级联检测的无人机图像车辆目标识别方法是由胡馨之;潘勉;吕帅帅;金建国;唐金龙设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本一种基于无锚点级联检测的无人机图像车辆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无锚点级联检测的无人机图像车辆目标识别方法。首先使用Resnet50对输入的图像的进行多尺度特征提取，得到自下而上的多个特征；然后对高层的特征进行上采样，并与低层特征相融合以获得融合后的特征；将输出的不同尺度的特征划分成小特征图和大特征图两类，分别用于检测小目标与大目标；在检测过程中结合无锚点的方法，先对高层的特征图进行检测，得到粗略的检测结果，再将此结果输入到低层，在高层的检测结果之上进行进一步的检测，最终得到一个较为精确的检测结果。本发明改善目标检测的漏检率和误检率，减少了不必要的计算，大大提高检测的速度。

本发明授权一种基于无锚点级联检测的无人机图像车辆目标识别方法在权利要求书中公布了：1.一种基于无锚点级联检测的无人机图像车辆目标识别方法，其特征在于，包括以下步骤：S1：选取数据集；采用现有的UAVDT数据集作为本方法的数据集，对模型进行训练；S2：采用Resnet50对输入的原始图片进行特征提取，获得多尺度的特征图；S3：依次将S2中输出的高层特征图进行两倍上采样，并与S2中的低层特征图相加，得到融合后的特征图；为了使后续的检测模块能够拥有更多尺度的特征，将融合后的特征图中的最上层特征图进行连续两倍下采样，得到扩展的两层特征图；最后得到一个自顶向下的金字塔结构的多尺度融合后的特征图；S4：对S3处理后的特征图进行级联检测；S5：划分正负样本；对于金字塔结构的每一层特征图，在S4得到的结果的基础上，计算其每个点的适应度，并将所有适应度的值统计得到全局阈值，高于阈值的为正样本，否则为负样本；S6：检测目标的类别与位置；根据需要选用合适的无锚点检测器；将特征图分别输入分类、回归两个子网络，在S5得到的正样本上，对检测结果进行进一步调整；将预测框输入归回网络，调整框的位置，并计算预测框的类别置信度，置信度较高的类别即为目标的类别；最后使用非极大值抑制，在众多预测框中保留单个类别中检测结果最好的一个，得到最后的检测结果；S2详细步骤为：使用Resnet50作为特征提取模块的主干，提取原始图片的特征；Resnet50共有五个阶段，每个阶段都会输出一个特征图，同时也是下一阶段的输入；不同阶段输出的特征图尺度不同，越上层的特征图，尺度越小，通道数越多；首先将输入的原始图片进行处理，具体过程如下：Out＝Conv7×7C,W,H,k,s1其中Out代表第一阶段输出的特征图，Conv7×7代表大小为7×7的卷积层，C表示输入的图片的通道数，RGB图像的通道数为3，W,H分别代表输入图片的宽和高，k表示卷积核的大小，s代表卷积核移动的步长；其中k＝64，s＝2；其次对输出的特征图依次进行特征提取，具体过程如下：Pi＝Conv3×3Ci,W,H,ki,si2其中，Pi为第i阶段输出的特征图，Conv3×3表示大小为3×3的卷积层，Ci表示第i阶段输入的特征图的通道数，W,H分别代表输入特征图的宽和高；ki表示卷积核的大小，其中ki＝256×2i-1；si代表卷积核移动的步长，si＝2；最后输出四个特征图，自下而上分别为{P2,P3,P4,P5}，通道数分别为{256,512,1024,2048}；S3详细步骤为：将特征图{P2,P3,P4,P5}进行自顶向下的增强，首先将S1中得到的特征图的通道归一化，并将最上层特征图P5平移得到N5；将平移后的特征图进行反卷积，将原特征图放大两倍，然后与S1中的低层特征图横向连接，得到新的特征图N4；N4重复进行放大与横向连接操作，直与S1中低层特征图全部完成横向连接；同时，为了使后续的检测模块拥有更多尺度的特征图，将N5特征图进行连续两次的两倍下采样；具体表现为： 其中Ni为特征融合后的第i层特征图，Conv1×1为大小是1×1的卷积，devonv·表示像素混洗函数对特征进行上采样，L·代表通道归一化操作，Ni+1为相对于Ni的上一层特征图，kn为卷积核的数量，s为卷积核移动的步长，其中kn＝256，sn＝1；Pi为Resnet50特征提取后得到的相较于Ni+1低一层的特征图；Conv3×3为大小为3×3的卷积核，Ni-1为相较于Ni的低一层特征图，kd为卷积核个数，sd为卷积核移动的步长；其中kd＝256，sd＝2；最终输出初步融合后的特征图为{N2,N3,N4,N5,N6,N7}。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。