“苏集创”是依托www.优德88.cpm 国家技术转移中心（www.优德88.cpm 知识产权运营中心），紧密围绕苏州产业创新集群布局，以www.优德88.cpm 等国内外知名高校、科研院所、技术创新中心的集成创新成果为标的，构建科技、产业、资本深度融合的成果发布平台。
本期向大家推介的是www.优德88.cpm 光电领域的一项专利成果：一种遥感图像检测系统及方法。
知识产权信息：
一种遥感图像检测系统及方法
专利权人：www.优德88.cpm
专利类型：发明专利
专利号：ZL202210764320.9
发明人：吴迪;黄玉玲;朱涛;陶昕辰;高恬曼;周楠;沈占锋
背景技术：
近几年来，随着卫星和航拍飞机的发展，越来越多的光学遥感图像被广泛应用在军事作战或者民用生活中，因为受到光照、复杂环境变化的影响，并且遥感图像的尺度跨度大、目标尺寸小，遥感图像的目标检测较为困难，所以提高遥感图像的检测效果是当前亟待解决的问题。
在过去十几年的时间里，早期的算法如CH算法、LBP算法、Gabor算法等为遥感图像的场景分类、目标识别做出了巨大的贡献。随着计算机运算速度的提升，基于卷积神经网络CNN的目标检测算法逐渐发展了起来，此类算法检测步骤大致分为两步：一是生成大量候选区域，二是对这些区域进行回归和分类。因此被称为双阶段目标检测算法。这类算法能够提高目标检测的精确度，但是检测速度较慢。2016年，Joseph等人正式提出YOLO算法，YOLO算法将输入图像划分为网格，网格中的单元格负责检测一定数量的目标，针对YOLO算法定位问题和小目标检测精度低的问题，Liu提出了SSD算法。这一类算法被称为单阶段目标检测算法。单阶段目标检测算法可以直接通过深度人工神经网络提取目标的特征来预测目标的分类以及位置，这种方法能够大幅度提高检测速度。目前，深度人工神经网络目标检测算法因为精确度高、速度快等优点，已被广泛应用于遥感图像检测中。
尽管遥感目标检测方面已经有了很多研究成果，但是目前遥感目标检测仍存在目标尺度小而像素分辨率相对目标来说过低等问题。
成果简介：
本发明提供一种遥感图像检测系统及方法，由残差对抗网络的密集残差块提取每一层的图像特征，通过残差对抗的方式将图像的局部特征与全局特征进行融合，对特征空间层进行重构，完成对遥感图像分辨率的提升，提升分辨率后的遥感图像由Backbone主干网络模块提取图像语义特征、定位特征，然后Neck结构模块通过特征金字塔与路径聚合网络将不同尺度的特征进行融合，接着输出三个目标大小不同的输出网络，最终实现了遥感图像的目标检测，并采用损失函数提高目标预测定位精度，本发明能够有效识别低分辨率下的目标，提升了对小目标的检测精确度，满足遥感图像检测的需求。
