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)恭喜西安電子科技大學;陜西理工大學申請的專利一種改進損失函數(shù)的YOLOv4目標檢測算法獲國家發(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：CN114463718B 。

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：202210007089.9，技術(shù)領(lǐng)域涉及：G06V20/58；該發(fā)明授權(quán)一種改進損失函數(shù)的YOLOv4目標檢測算法是由王立哲;王蘭美;王桂寶;廖桂生;賈建科;孫長征設(shè)計研發(fā)完成，并于2022-01-05向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種改進損失函數(shù)的YOLOv4目標檢測算法在說明書摘要公布了：本發(fā)明提出了一種改進損失函數(shù)的YOLOv4目標檢測算法，對標準YOLOv4模型中位置回歸損失函數(shù)CIoU_Loss進行改進，提出了新型損失函數(shù)SCIoU，將其嵌入YOLOv4中，獲得了性能提升；首先下載當前目標檢測領(lǐng)域通用數(shù)據(jù)集tt100k與LISA，并進行數(shù)據(jù)增強；其次使用標準YOLOv4網(wǎng)絡(luò)對兩個增強后的通用數(shù)據(jù)集進行訓(xùn)練并檢測其性能；然后針對標準YOLOv4模型中位置回歸損失函數(shù)CIoU_Loss，提出一種改進損失函數(shù)SCIoU，并將其嵌入YOLOv4模型進行訓(xùn)練；最后對比標準YOLOv4算法，分析測試結(jié)果；本發(fā)明提出基于SCIoU改進的YOLOv4算法，包含改進長寬比度量指標vs，并以Sigmoid函數(shù)代替arctan函數(shù)；將其嵌入YOLOv4中，獲得了性能提升，該模型沒有引入更多計算量，實時性不受影響，本發(fā)明改進的YOLOv4算法魯棒性較好，可用于多個數(shù)據(jù)集的性能提升。

本發(fā)明授權(quán)一種改進損失函數(shù)的YOLOv4目標檢測算法在權(quán)利要求書中公布了：1.一種改進損失函數(shù)的YOLOv4目標檢測方法，其特征在于，包含以下步驟：步驟一、下載當前目標檢測領(lǐng)域通用數(shù)據(jù)集tt100k數(shù)據(jù)集與LISA數(shù)據(jù)集，使用這兩個數(shù)據(jù)集可保證算法檢測效果與該領(lǐng)域公開的通用數(shù)據(jù)集保持一致，驗證算法實際效果；對下載的數(shù)據(jù)進行增強，包括翻轉(zhuǎn)、裁剪、加噪、旋轉(zhuǎn)操作；增強后生成的數(shù)據(jù)不僅可以增加數(shù)據(jù)集包含的圖片數(shù)量，且因為增強后的圖像與數(shù)據(jù)集中的原始圖像相比更復(fù)雜，在保留原始圖像特征點的情況下對圖片風格、大小進行了改變，圖像的模糊程度增加，使增強后的圖像更具多樣性，與實際情況更接近，可以提升訓(xùn)練后網(wǎng)絡(luò)的魯棒性；步驟二：使用標準YOLOv4網(wǎng)絡(luò)訓(xùn)練與檢測交通標志；使用標準YOLOv4網(wǎng)絡(luò)對基于步驟一的兩個交通標志數(shù)據(jù)集分別進行訓(xùn)練，下載標準YOLOv4網(wǎng)絡(luò)并進行編譯，為兩個交通標志數(shù)據(jù)集tt100k與LISA分別更改cfg文件夾中tt100k.data與LISA.data文件中的訓(xùn)練集、驗證集、測試集目錄為下載數(shù)據(jù)集的地址，并指定類別數(shù)量與類別名稱；根據(jù)精度要求設(shè)定epoch＝20000，根據(jù)本次實驗數(shù)據(jù)集加載tt100k.data或LISA.data，同時加載yolov4.cfg，程序即可開始訓(xùn)練；訓(xùn)練過程中使用標準YOLOv4網(wǎng)絡(luò)的損失函數(shù)CIoU_Loss；保存訓(xùn)練過程中各層的權(quán)重文件Q1，作為訓(xùn)練結(jié)束后檢測的權(quán)值輸入文件；利用權(quán)重文件Q1進行測試，得到mAP與Recall；對得到的mAP、Recall與訓(xùn)練過程中的損失進行分析，發(fā)現(xiàn)CIoU_Loss損失函數(shù)在處理小目標時，目標長寬比變化幅度變大時回歸損失也變大，不利于模型訓(xùn)練穩(wěn)定性；步驟三、為解決CIoU_Loss損失函數(shù)在處理小目標時，目標長寬比變化幅度變大時回歸損失也變大的問題，提出一種基于CIoU_Loss的損失函數(shù)SigmoidCompleteIntersectionoverUnion，簡稱SCIoU，通過改進的長寬比度量指標νs，并以Sigmoid函數(shù)原型代替arctan函數(shù)，將其嵌入YOLOv4中，獲得了性能提升，同時該模型也沒有引入更多計算量，實時性不受影響，也可替換其他目標檢測算法的損失函數(shù)，擁有較好的適用性；將替換損失函數(shù)SCIoU的YOLOv4網(wǎng)絡(luò)使用步驟一中的兩個數(shù)據(jù)集進行訓(xùn)練，得到權(quán)重文件Q2；利用權(quán)重文件Q2進行測試，得到mAP與Recall；基于CIoU，提出改進的長寬比度量指標νs，其表達式為： 以Sigmoid函數(shù)原型代替arctan函數(shù)，同時以長寬比wh作為函數(shù)的自變量，可見arctan函數(shù)的值域為[0,π2，Sigmoid函數(shù)的值域為[0.5,1，且當長寬比wh變小時，隨著wh值的變化，Sigmoid比arctan的變化幅度更小；對應(yīng)于損失函數(shù)中長寬比度量值指標v的表達式，對預(yù)測框與真實框的長寬比做映射處理后歸一化，Sigmoid使得回歸損失變化幅度更小，即本文提出SCIoU損失函數(shù)，有利于模型訓(xùn)練的穩(wěn)定性；SCIoU作為損失函數(shù)的表達式為： 同樣vs的梯度表達式為： 同理，在實驗情況下，為防止梯度爆炸的情況發(fā)生，取的值為1；步驟二中總損失為Lossall＝LCIoU+LC+LP，將LCIoU替換為中的LSCIoU，并將其嵌入YOLOv4中，并按照步驟二中相同方法進行訓(xùn)練，迭代至epoch值并使用Adam算法更新權(quán)重，計算mAP與Recall，并保存權(quán)重文件Q2；步驟四、將步驟三與步驟二得到的mAP與Recall進行對比，并設(shè)置不同的IoU_thresh重新進行訓(xùn)練，比較步驟二與步驟三在不同設(shè)置下的mAP與Recall性能，分析測試結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安電子科技大學;陜西理工大學，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2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)”。