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！

龙图腾网获悉盐城工学院申请的专利一种基于改进YOLOv9s的遥感图像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：CN121305030B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511391339.3，技术领域涉及：G06V10/25；该发明授权一种基于改进YOLOv9s的遥感图像目标检测方法是由周锋;陈龙华;陈名洋;刘文城;王媛媛;王如刚设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本一种基于改进YOLOv9s的遥感图像目标检测方法在说明书摘要公布了：本发明涉及计算机视觉与人工智能技术领域，提供一种基于改进YOLOv9s的遥感图像目标检测方法，方法包括：获取遥感图像并进行预处理操作；在YOLOv9s模型的颈部网络中引入核选择特征融合KSFF模块，替换原模型中的至少一个Concat结构；在颈部网络中添加跨空间多尺度注意力CSMA模块；在颈部网络中用并行池化特征调制PPFM模块替换原模型中的至少一个SPPELAN结构；对改进YOLOv9s网络进行训练、测试与评估。本发明通过网络结构改进、数据预处理优化、半监督学习策略以及先进训练方法的综合应用，使得改进后的YOLOv9s模型在遥感图像目标检测任务上具有更高的检测精度。

本发明授权一种基于改进YOLOv9s的遥感图像目标检测方法在权利要求书中公布了：1.一种基于改进YOLOv9s的遥感图像目标检测方法，其特征在于，包括以下步骤： 步骤一：获取遥感图像并进行预处理操作； 步骤二：在YOLOv9s模型的颈部网络中引入核选择特征融合模块，替换原模型中的至少一个Concat结构；核选择特征融合模块通过多卷积核提取多尺度特征并结合通道注意力加权实现精准融合； 步骤三：在颈部网络中添加跨空间多尺度注意力模块；跨空间多尺度注意力模块用于增强跨空间特征相关性以聚焦目标区域； 步骤四：在颈部网络中用并行池化特征调制模块替换原模型中的至少一个SPPELAN结构；并行池化特征调制模块通过全局分支捕获长程依赖、局部分支提取局部特征； 步骤五：对基于步骤二至步骤四构建的改进YOLOv9s网络进行训练、测试与评估； 颈部网络被配置为接收骨干网络提取的多尺度特征图，颈部网络包括SPPELAN模块、上采样模块、拼接模块、RepNCSPELAN4模块和可切换卷积模块；其中，至少一个拼接模块被核选择特征融合模块替换，上采样模块之后添加有跨空间多尺度注意力模块，并且至少一个SPPELAN模块被并行池化特征调制模块替换；核选择特征融合模块、跨空间多尺度注意力模块和并行池化特征调制模块在颈部网络中协同工作； 核选择特征融合模块通过以下方式实现核选择与特征融合： 将输入特征图分别输入至多个并行的、具有不同卷积核大小的卷积层，提取多尺度特征； 将得到的多尺度特征进行拼接融合； 对融合后的特征施加通道注意力机制，生成对应于各卷积分支的权重系数； 依据权重系数，对多尺度特征进行加权融合，得到核选择特征融合模块的输出特征图； 跨空间多尺度注意力模块通过以下步骤实现跨空间注意力建模： 在通道维度上，对输入特征图执行全局平均池化以捕获全局上下文信息，并生成通道注意力权重； 在空间维度上，对输入特征图执行卷积操作以捕获局部空间细节，并生成空间注意力权重； 通过一个聚合函数，将通道注意力权重与空间注意力权重进行融合，生成跨空间注意力图； 将跨空间注意力图与原始输入特征图相乘，输出增强后的特征图； 并行池化特征调制模块通过以下步骤实现多尺度上下文调制： 将输入特征图输入一个1×1卷积层以扩展通道数； 将扩展后的特征图同时输入全局分支和局部分支； 全局分支通过全局平均池化和深度可分离卷积捕获长程依赖关系； 局部分支通过最大池化和标准卷积捕获局部显著特征； 将全局分支和局部分支的输出特征进行融合，并经由1×1卷积层调整通道数，输出调制后的特征图。

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盐城工学院，其通讯地址为：224000 江苏省盐城市亭湖区希望大道中路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”。

以上内容由龙图腾AI智能生成。