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)獲悉浙江工業(yè)大學申請的專利基于語義增強和高斯損失的小目標檢測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN116524274B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202310532596.9，技術領域涉及：G06V10/764；該發(fā)明授權基于語義增強和高斯損失的小目標檢測方法是由崔嘉敖;產(chǎn)思賢;毛家發(fā);白琮設計研發(fā)完成，并于2023-05-12向國家知識產(chǎn)權局提交的專利申請。

本基于語義增強和高斯損失的小目標檢測方法在說明書摘要公布了：一種基于語義增強和高斯損失的小目標檢測方法，包括：1將訓練集中的圖像進行圖像預處理操作，包括等比縮放、區(qū)域填充、仿射變換和mosaic數(shù)據(jù)增強；2經(jīng)過處理后的圖像之后被輸入到Darknet?53特征提取網(wǎng)絡，隨著骨干網(wǎng)絡的深入，依次輸出三個尺度的特征圖；3三個特征圖隨后進入改進后的FPN網(wǎng)絡，其由本實例提出的語義增強融合模塊構成；4經(jīng)過特征融合的特征圖進入Head直接預測目標的類別和預測框位置cx,cy,w,h；5通過高斯Wasserstein距離損失函數(shù)對預測框結(jié)果進行評估，并訓練模型。

本發(fā)明授權基于語義增強和高斯損失的小目標檢測方法在權利要求書中公布了：1.一種基于語義增強和高斯損失的小目標檢測方法，包括以下步驟： 1）將訓練集中的圖像進行圖像預處理操作，包括等比縮放、區(qū)域填充、仿射變換和mosaic數(shù)據(jù)增強； 2）經(jīng)過處理后的圖像之后被輸入到Darknet-53特征提取網(wǎng)絡，隨著骨干網(wǎng)絡的深入，依次輸出三個尺度的特征圖,記為； 3）隨后進入改進后的FPN網(wǎng)絡，進行語義增強融合；FPN網(wǎng)絡輸出后的特征圖記為；所述語義增強融合，包括語義重組和因子融合，具體步驟如下： 31首先對進行語義重組； 32語義重組時先使用1×1的卷積壓縮通道，交互各個通道信息的同時，減少計算量； 33使用大小的卷積層對壓縮通道后的特征圖進行編碼，讓每一個通道學習特征處的上下文信息；編碼后的特征圖記為； 34用Softmax函數(shù)對進行歸一化，使值總和為1，由此對特征區(qū)域?qū)崿F(xiàn)軟選擇； 35通過對局部特征區(qū)域進行重組；對于一個目標位置為和以此為中心的正方形區(qū)域，重組公式如下： 1 其中可以為中任意一個，重組后的特征圖記為；為的邊長； 36引入了融合因子平衡小目標檢測中深層與淺層的特征學習；按以下方式聚合相鄰的特征層： 2 其中是用于通道匹配的1×1卷積操作，表示用于分辨率匹配的2×上采樣操作，通常是用于特征處理的卷積操作，表示融合因子；把設置為網(wǎng)絡自學習參數(shù)，為在網(wǎng)絡開始訓練前，根據(jù)數(shù)據(jù)集標簽計算得到其初始值，該參數(shù)參與梯度反向傳播，受到損失函數(shù)控制，同時為了防止過大導致網(wǎng)絡梯度爆炸，對其有下約束公式： 3 分別是上層和下層特征圖對應尺度目標的數(shù)量； 4）經(jīng)過特征融合的特征圖進入Head直接預測目標的類別和預測框位置； 5）通過高斯Wasserstein距離損失函數(shù)對步驟4）得到的預測框結(jié)果進行評估，并訓練模型。

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)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.hzsmkbearing.com.cn/list?keyword=%E6%B5%99%E6%B1%9F%E5%B7%A5%E4%B8%9A%E5%A4%A7%E5%AD%A6&temp=1">浙江工業(yè)大學，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18號浙江工業(yè)大學；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)”。