買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉上海悠絡(luò)客電子科技股份有限公司申請(qǐng)的專利一種基于模型參數(shù)映射的自適應(yīng)目標(biāo)檢測(cè)模型構(gòu)建方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114419388B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111525354.4，技術(shù)領(lǐng)域涉及：G06V10/774；該發(fā)明授權(quán)一種基于模型參數(shù)映射的自適應(yīng)目標(biāo)檢測(cè)模型構(gòu)建方法是由金耀初;張浩宇;沈修平設(shè)計(jì)研發(fā)完成，并于2021-12-14向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于模型參數(shù)映射的自適應(yīng)目標(biāo)檢測(cè)模型構(gòu)建方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)一種基于模型參數(shù)映射的自適應(yīng)目標(biāo)檢測(cè)模型構(gòu)建方法，首先通過(guò)模型參數(shù)映射方法，將預(yù)訓(xùn)練好的種子神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)直接映射至新種群中的個(gè)體，作為新個(gè)體的預(yù)訓(xùn)練權(quán)值，提高了每個(gè)個(gè)體的收斂速度，進(jìn)而提高了整個(gè)神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法的搜索效率，其次，本發(fā)明開(kāi)發(fā)了一種進(jìn)化神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，可以基于給定的任務(wù)目標(biāo)檢測(cè)數(shù)據(jù)集，定制主干網(wǎng)絡(luò)模型結(jié)構(gòu)，進(jìn)而自適應(yīng)的設(shè)計(jì)目標(biāo)檢測(cè)模型，有效的提高了主干網(wǎng)絡(luò)的特征提取能力，進(jìn)而提高目標(biāo)檢測(cè)模型的檢測(cè)能力。

本發(fā)明授權(quán)一種基于模型參數(shù)映射的自適應(yīng)目標(biāo)檢測(cè)模型構(gòu)建方法在權(quán)利要求書(shū)中公布了：1.一種基于模型參數(shù)映射的自適應(yīng)目標(biāo)檢測(cè)模型構(gòu)建方法，其特征在于，包括以下步驟：步驟S1，給定帶有標(biāo)簽的目標(biāo)檢測(cè)數(shù)據(jù)集，該數(shù)據(jù)集為圖片，將該數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集Dtrain，驗(yàn)證數(shù)據(jù)集Dval和測(cè)試數(shù)據(jù)集Dtest，將訓(xùn)練數(shù)據(jù)集Dtrain平均隨機(jī)分為兩份，分別為：Dtrain1，Dtrain2；步驟S2，定義種子目標(biāo)檢測(cè)網(wǎng)絡(luò)，定義搜索空間和編碼方案，包括：步驟S2-1，選擇mobilenetv2作為種子網(wǎng)絡(luò)，并使用imagenet數(shù)據(jù)集對(duì)種子網(wǎng)絡(luò)預(yù)訓(xùn)練，直至種子網(wǎng)絡(luò)收斂；步驟S2-2，將mobilenetv2種子網(wǎng)絡(luò)作為RetinaNet目標(biāo)檢測(cè)框架的主干網(wǎng)絡(luò)，并基于訓(xùn)練集Dtrain1進(jìn)行訓(xùn)練，直至收斂，得到種子目標(biāo)檢測(cè)網(wǎng)絡(luò)mobilenetv2-RetinaNet；步驟S2-3，使用mobilenetv2網(wǎng)絡(luò)作為模板神經(jīng)網(wǎng)絡(luò)架構(gòu)；步驟S3，構(gòu)建基于目標(biāo)檢測(cè)的進(jìn)化神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，包括：步驟S3-1，算法初始化，定于初始化種群規(guī)模M、交叉概率Pc、變異概率Pm、最大進(jìn)化代數(shù)G；步驟S3-2，基于步驟S2-3定義的編碼方案，初始化M條染色體，作為初始種群；步驟S3-3，將M條染色體解碼為M個(gè)神經(jīng)網(wǎng)絡(luò)架構(gòu)，并作為RetinaNet目標(biāo)檢測(cè)框架的主干網(wǎng)絡(luò)，得到M個(gè)候選RetinaNet目標(biāo)檢測(cè)模型；步驟S3-4，將步驟S2-2得到的種子目標(biāo)檢測(cè)網(wǎng)絡(luò)mobilenetv2-RetinaNet預(yù)訓(xùn)練模型參數(shù)Wseed映射分別至步驟S3-3中的M個(gè)候選RetinaNet目標(biāo)檢測(cè)模型，作為每個(gè)候選RetinaNet目標(biāo)檢測(cè)模型的初始參數(shù)Wini；步驟S3-5，將步驟S3-4中完成模型參數(shù)映射的個(gè)體基于訓(xùn)練數(shù)據(jù)集Dtrain2進(jìn)行訓(xùn)練，并在驗(yàn)證數(shù)據(jù)集Dval上計(jì)算每個(gè)個(gè)體的Loss值，作為該個(gè)體的適應(yīng)度值；步驟S3-6，采用輪盤(pán)賭選擇數(shù)個(gè)個(gè)體，組成父代種群；步驟S3-7，采用單點(diǎn)交叉算子對(duì)父代種群中的個(gè)體進(jìn)行兩兩交叉，得到M個(gè)新個(gè)體，組成子代種群；步驟S3-8，采用整數(shù)型多項(xiàng)式變異對(duì)子代種群中的每個(gè)個(gè)體執(zhí)行變異操作；步驟S3-9，采用步驟S3-4的步驟中給出的模型參數(shù)映射方法，將mobilenetv2-RetinaNet的預(yù)訓(xùn)練參數(shù)映射至子代種群中的每個(gè)個(gè)體；步驟S3-10，基于驗(yàn)證數(shù)據(jù)集Dval,計(jì)算子代種群中每個(gè)個(gè)體的適應(yīng)度值；步驟S3-11，將子代種群和父代種群中的個(gè)體合并，根據(jù)個(gè)體的適應(yīng)度值，利用環(huán)境選擇，選出M個(gè)新個(gè)體，組成下一代種群，并反饋至步驟S3-6，直到達(dá)到預(yù)設(shè)的進(jìn)化代數(shù)，并輸出適應(yīng)度值最優(yōu)的個(gè)體，作為最優(yōu)的主干網(wǎng)絡(luò)結(jié)構(gòu)；步驟S4，將步驟S3中輸出的最優(yōu)個(gè)體，解碼為對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)，作為RetinaNet的主干網(wǎng)絡(luò)，得到目標(biāo)檢測(cè)模型RetinaNet-nas，基于數(shù)據(jù)集Dtrain對(duì)該神經(jīng)網(wǎng)絡(luò)進(jìn)行完整訓(xùn)練直至模型收斂。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人上海悠絡(luò)客電子科技股份有限公司，其通訊地址為：201702 上海市青浦區(qū)徐涇鎮(zhèn)華徐公路888號(hào)6幢；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。