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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京信息工程大學申請的專利一種基于深度學習的目標檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114926704B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23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?zhí)?專利號為：202210449818.6，技術領域涉及：G06V10/25；該發(fā)明授權(quán)一種基于深度學習的目標檢測方法是由王其;張權(quán);倪世松設計研發(fā)完成，并于2022-04-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于深度學習的目標檢測方法在說明書摘要公布了：本發(fā)明涉及計算機技術領域，具體是一種基于深度學習的目標檢測方法，使用目標嵌入的方法，將檢測出的原始圖像候選框的目標稱為原始圖像，和重構(gòu)圖像組合到一起，成為組合目標集；將訓練集中檢測iou低于0.2的失敗圖像作為擴展圖像，使用組合目標集的圖像替換系統(tǒng)中擴展圖像中的部分組合為一個新的圖像，獲得一個更大的數(shù)據(jù)集，當原始數(shù)據(jù)集較小時會變的非常有效；由于神經(jīng)網(wǎng)絡對于這些已經(jīng)檢測成功的圖像更敏感，將目標外的區(qū)域進行多次替換，使得模型進行目標檢測時能夠?qū)δ繕撕蜻x框的區(qū)域定位更精準，對候選框的邊界區(qū)分更分明，加強了定位能力；本發(fā)明只采用iou值大于0.5的錨框，并進行非最大值抑制，使得空間定位能力更強。

本發(fā)明授權(quán)一種基于深度學習的目標檢測方法在權(quán)利要求書中公布了：1.一種基于深度學習的目標檢測方法，其特征在于：包括以下步驟：S1、創(chuàng)建訓練集，初始化訓練：包括模型初始化、初次訓練和錨框優(yōu)化，包括：S11、模型初始化：使用moco-v2模型先隨機初始化，輸入最初始圖像，數(shù)據(jù)集可以為PascalVOC、COCO，學習率定為0.05，迭代10000次，錨框初步定為25個位置、縱橫比、規(guī)模的矩形框；初次訓練的損失函數(shù)為： 其中q為一個查詢表示，k+為key樣本的正樣本，τ是一個溫度超參數(shù)，N為樣本數(shù)；S12、優(yōu)化錨，保存檢測成功圖片：根據(jù)數(shù)據(jù)集中輸入圖片的groud-truth值，將其中Iou值大于0.5的錨框保留，舍棄其余的錨框；S13、提取目標：將這些檢測成功的圖像的groud-truth中候選框的目標全部裁剪出來；S2、目標嵌入，重構(gòu)訓練集：包括圖像增強和目標嵌入重組，訓練模型，計算損失函數(shù)，更新模型的參數(shù)包括以下步驟：S21、圖像增強：S211、將裁剪出來的目標先進行一個翻轉(zhuǎn)；S212、進行色彩隨機抖動，將每一個色彩信道中隨機增加一個值；S213、平均分為4或9等分，每一部分稱為一個part，每一個part隨機旋轉(zhuǎn)10°到30°位置打亂；S214、使用編碼器將每個部分的特征提取出來，再整合為一個，再將其合成為新的圖像，稱為重構(gòu)圖像；S22、目標嵌入重組：將檢測出的原始圖像候選框的目標稱為原始圖像，和重構(gòu)圖像組合到一起，成為組合目標集，原始圖像稱為l，重構(gòu)圖像稱為p；S3、訓練模型，計算損失函數(shù)，更新模型的參數(shù)：包括對模型重新訓練，計算損失函數(shù)，進行深度學習；S4、重復S3。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京信息工程大學，其通訊地址為：210000 江蘇省南京市寧六路219號；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)”。