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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于深度学习的激光干扰场景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：CN120495842B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202510622447.0，技术领域涉及：G06V10/82；该发明授权一种基于深度学习的激光干扰场景识别方法是由叶庆;刘爱兵;吴云龙;辛诚;孙卫兵;刘烨设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本一种基于深度学习的激光干扰场景识别方法在说明书摘要公布了：本申请公开了一种基于深度学习的激光干扰场景识别方法，涉及激光干扰识别领域，方法包括：将光电成像系统采集到的激光干扰场景图片输入至预设激光干扰场景识别模型中，以得到对应的激光干扰状态；激光干扰状态为光电成像系统被激光干扰或光电成像系统没有被激光干扰；其中，预设激光干扰场景识别模型是采用激光干扰场景样本集对不同的深度学习网络进行训练、比较得到的最优模型。本申请可智能且有效、准确地识别激光干扰场景。

本发明授权一种基于深度学习的激光干扰场景识别方法在权利要求书中公布了：1.一种基于深度学习的激光干扰场景识别方法，其特征在于，所述方法包括： 获取光电成像系统采集到的激光干扰场景图片； 将所述激光干扰场景图片输入至预设激光干扰场景识别模型中，以得到对应的激光干扰状态；所述激光干扰状态为光电成像系统被激光干扰或光电成像系统没有被激光干扰； 其中，所述预设激光干扰场景识别模型是采用激光干扰场景样本集对不同的深度学习网络进行训练、比较得到的最优模型； 所述预设激光干扰场景识别模型包括依次设置的输入模块、卷积池化模块、ResNet残差模块及池化分类输出模块；所述ResNet残差模块包括多个残差子模块，不同所述残差子模块中包含的残差单元的数量不同；所述残差单元包括依次设置的第二卷积层、DCNv2卷积子单元、第三卷积层、CBAM注意力子单元及外部注意力子单元；所述第二卷积层的输入端作为所述残差单元的输入端；所述第二卷积层的输入端与所述外部注意力子单元的输出端通过加法操作连接，并以连接端作为所述残差单元的输出端； 所述DCNv2卷积子单元包括偏移量生成部及采样卷积部；所述CBAM注意力子单元包括通道注意力部及空间注意力部；外部注意力子单元中的外部注意力机制，是一种通过使用与作为输入的特征图无关的两个外部记忆矩阵MemoryUnit作为key和value来增强网络能力。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区福元路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。