買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜上海悠絡客電子科技股份有限公司申請的專利一種基于模型參數映射的自適應目標檢測模型構建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114419388B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111525354.4，技術領域涉及：G06V10/774；該發明授權一種基于模型參數映射的自適應目標檢測模型構建方法是由金耀初;張浩宇;沈修平設計研發完成，并于2021-12-14向國家知識產權局提交的專利申請。

本一種基于模型參數映射的自適應目標檢測模型構建方法在說明書摘要公布了：本發明公開一種基于模型參數映射的自適應目標檢測模型構建方法，首先通過模型參數映射方法，將預訓練好的種子神經網絡模型的模型參數直接映射至新種群中的個體，作為新個體的預訓練權值，提高了每個個體的收斂速度，進而提高了整個神經網絡架構搜索算法的搜索效率，其次，本發明開發了一種進化神經網絡架構搜索算法，可以基于給定的任務目標檢測數據集，定制主干網絡模型結構，進而自適應的設計目標檢測模型，有效的提高了主干網絡的特征提取能力，進而提高目標檢測模型的檢測能力。

本發明授權一種基于模型參數映射的自適應目標檢測模型構建方法在權利要求書中公布了：1.一種基于模型參數映射的自適應目標檢測模型構建方法，其特征在于，包括以下步驟：步驟S1，給定帶有標簽的目標檢測數據集，該數據集為圖片，將該數據集劃分為訓練數據集Dtrain，驗證數據集Dval和測試數據集Dtest，將訓練數據集Dtrain平均隨機分為兩份，分別為：Dtrain1，Dtrain2；步驟S2，定義種子目標檢測網絡，定義搜索空間和編碼方案，包括：步驟S2-1，選擇mobilenetv2作為種子網絡，并使用imagenet數據集對種子網絡預訓練，直至種子網絡收斂；步驟S2-2，將mobilenetv2種子網絡作為RetinaNet目標檢測框架的主干網絡，并基于訓練集Dtrain1進行訓練，直至收斂，得到種子目標檢測網絡mobilenetv2-RetinaNet；步驟S2-3，使用mobilenetv2網絡作為模板神經網絡架構；步驟S3，構建基于目標檢測的進化神經網絡架構搜索算法，包括：步驟S3-1，算法初始化，定于初始化種群規模M、交叉概率Pc、變異概率Pm、最大進化代數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個神經網絡架構，并作為RetinaNet目標檢測框架的主干網絡，得到M個候選RetinaNet目標檢測模型；步驟S3-4，將步驟S2-2得到的種子目標檢測網絡mobilenetv2-RetinaNet預訓練模型參數Wseed映射分別至步驟S3-3中的M個候選RetinaNet目標檢測模型，作為每個候選RetinaNet目標檢測模型的初始參數Wini；步驟S3-5，將步驟S3-4中完成模型參數映射的個體基于訓練數據集Dtrain2進行訓練，并在驗證數據集Dval上計算每個個體的Loss值，作為該個體的適應度值；步驟S3-6，采用輪盤賭選擇數個個體，組成父代種群；步驟S3-7，采用單點交叉算子對父代種群中的個體進行兩兩交叉，得到M個新個體，組成子代種群；步驟S3-8，采用整數型多項式變異對子代種群中的每個個體執行變異操作；步驟S3-9，采用步驟S3-4的步驟中給出的模型參數映射方法，將mobilenetv2-RetinaNet的預訓練參數映射至子代種群中的每個個體；步驟S3-10，基于驗證數據集Dval,計算子代種群中每個個體的適應度值；步驟S3-11，將子代種群和父代種群中的個體合并，根據個體的適應度值，利用環境選擇，選出M個新個體，組成下一代種群，并反饋至步驟S3-6，直到達到預設的進化代數，并輸出適應度值最優的個體，作為最優的主干網絡結構；步驟S4，將步驟S3中輸出的最優個體，解碼為對應的神經網絡，作為RetinaNet的主干網絡，得到目標檢測模型RetinaNet-nas，基于數據集Dtrain對該神經網絡進行完整訓練直至模型收斂。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海悠絡客電子科技股份有限公司，其通訊地址為：201702 上海市青浦區徐涇鎮華徐公路888號6幢；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。