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！

龍圖騰網獲悉貴州財經大學申請的專利一種基于神經網絡的極低功耗光學目標檢測方法及裝置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：CN111144392B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：201911148056.0，技術領域涉及：G06V10/143；該發明授權一種基于神經網絡的極低功耗光學目標檢測方法及裝置是由羅子江;馬原東;徐斌;王繼紅;楊晨;郭祥;楊秀璋設計研發完成，并于2019-11-21向國家知識產權局提交的專利申請。

本一種基于神經網絡的極低功耗光學目標檢測方法及裝置在說明書摘要公布了：本發明涉及目標檢測領域，特別是一種基于神經網絡的極低功耗光學目標檢測方法，包括以下步驟：構建卷積神經網絡，提取目標圖像特征；對提取的目標圖像特征進行歸一化處理，得到目標樣本；尋找卷積核權重值，經過訓練選擇平均識別精度最高的卷積神經網絡框架，搭建可學習的光學棱鏡裝置并應用到標準目標檢測數據庫中，學習獲得每層卷積核權值，尋找卷積神經網絡框架的激勵層的閾值，經過訓練測試，選擇形成目標位置精度最高的激勵函數；確定光學棱鏡的色散系數、濾光膜的閾值，定制散射鏡，通過散射鏡形成目標光斑，最后通過攝像頭成像。通過采用卷積神經網絡的數層光學棱鏡對目標框進行標定，具有高效的實時性和準確性，且不消耗任何電池能耗。

本發明授權一種基于神經網絡的極低功耗光學目標檢測方法及裝置在權利要求書中公布了：1.一種基于神經網絡的極低功耗光學目標檢測方法，其特征在于：包括以下步驟：a.構建卷積神經網絡，并將目標數據庫中的每幅圖像送入構建的卷積神經網絡中提取目標圖像特征；b.對提取的目標圖像特征進行歸一化處理，并仿射投影到低維空間，得到投影矩陣，通過損失函數訓練投影矩陣，得到每一幅圖像的目標樣本；c.尋找卷積核權重值，經過訓練選擇平均識別精度最高的卷積神經網絡框架，所述卷積神經網絡框架的結構包括：光線輸入層-卷積層-激勵函數-卷積層-激勵函數-卷積層-激勵函數-全連接層-光線輸出層；d.搭建可學習的光學棱鏡裝置并應用到標準目標檢測數據庫中，將待檢測目標樣本的特征通過光學棱鏡裝置轉變為帶有目標信息的光線射入卷積神經網絡框架進行訓練，學習獲得每層卷積核權值；尋找卷積神經網絡框架的激勵層的閾值，經過訓練測試，選擇形成目標位置精度最高的激勵函數；e.根據各層卷積核權值、激勵函數設置光學棱鏡框架中光學棱鏡的色散系數、濾光膜的閾值，根據各層光學棱鏡的色散系數定制散射鏡，通過光學棱鏡和濾光膜分別進行色散、過濾，并通過散射鏡形成目標光斑，最后通過攝像頭成像；通過前向傳播與反向傳播相結合的方式獲取準確卷積核權值：前向傳播：目標圖像從所述光線輸入層進入所述卷積神經網絡框架，與對應卷積核的權值進行加權和運算，偏置項值為0，再透過一層激勵層，最后得到的結果即為本層輸出結果；若輸出層實際輸出與期望輸出相同，結束學習，保存卷積核權值；若輸出層得到的輸出結果與期望輸出不同，則轉至誤差反向傳播過程；反向傳播：將實際輸出與期望值之差按原卷積層通道反傳計算，通過卷積層反向傳播至光線輸入層，在反傳過程中將誤差分攤給各層的各個單元，獲得各單層的誤差信號，并將其作為修正各單元權值的依據；在不停地調整各層卷積核權值和閾值后，使誤差信號減小到最低限度；在反向傳播過程中映射成高維輸入時，根據反卷積原理將卷積核翻轉180度，并逐步提取目標信息，所述光學棱鏡根據翻轉180度后的卷積核權值改變棱鏡角度，獲取每層棱鏡色散系數；帶有目標信息的光線進入光學棱鏡后在每一層進行不同權值的光線色散操作，每一層根據不同的色散系數獲取對應的目標信息光線；所述濾光膜對光學棱鏡散射后的光線進行篩選，過濾掉閾值外光線；所述散射鏡根據色散后含目標信息光線在目標位置形成目標光斑；目標光斑形成后，經過特殊散射鏡根據色散系數將光斑映射回原始圖片，標定目標位置，形成目標框。

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貴州財經大學，其通訊地址為：550025 貴州省貴陽市花溪大學城；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”。