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)獲悉廣州科語機器人有限公司申請的專利基于改進YOLOX模型的樣本不均衡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：CN115170930B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23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：202210822356.8，技術(shù)領(lǐng)域涉及：G06V20/00；該發(fā)明授權(quán)基于改進YOLOX模型的樣本不均衡目標檢測方法是由晁人傑;鄧亮;鄭卓斌;王立磊;劉若辰設(shè)計研發(fā)完成，并于2022-07-13向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于改進YOLOX模型的樣本不均衡目標檢測方法在說明書摘要公布了：本發(fā)明涉及一種基于改進YOLOX模型的樣本不均衡目標檢測方法。通過改進YOLOX模型對掃地機器人采集的待檢測圖像進行特征提取，得到多個第一特征。將多個第一特征輸入特征融合層進行跨層融合得到多個預(yù)測特征。最后通過預(yù)測層處理多個預(yù)測特征，得到該待檢測圖像的目標檢測結(jié)果。其中，特征提取層包括多個帶注意力機制的CSPDarkNet，該跨層融合處理包括將所述多個第一特征融合處理后得到的中間特征中的部分或全部進行融合，使得淺層特征和深層特征可進一步融合，提高針對不同類型目標進行目標檢測的效果，同時該改進YOLOX模型使用Varifocal損失函數(shù)和平衡損失函數(shù)，使得樣本不均衡情況下，出現(xiàn)頻次低的目標能被有效識別。

本發(fā)明授權(quán)基于改進YOLOX模型的樣本不均衡目標檢測方法在權(quán)利要求書中公布了：1.基于改進YOLOX模型的樣本不均衡目標檢測方法，其特征在于，所述改進YOLOX模型包括特征提取層、特征融合層和預(yù)測層；所述特征提取層包括多個帶注意力機制的CSPDarkNet，所述改進YOLOX模型使用的損失函數(shù)為Varifocal損失函數(shù)和平衡損失函數(shù)，所述方法包括： 獲取掃地機器人視角圖像數(shù)據(jù)集，所述圖像數(shù)據(jù)集包括訓(xùn)練集和驗證集； 將所述訓(xùn)練集輸入待訓(xùn)練的改進YOLOX模型進行訓(xùn)練，通過所述驗證集對改進YOLOX模型進行驗證； 獲取訓(xùn)練中改進YOLOX模型的Varifocal損失和平衡損失，并基于損失函數(shù)反向梯度傳播更新模型參數(shù)直至模型收斂，得到訓(xùn)練后的改進YOLOX模型； 獲取掃地機器人采集的待檢測圖像； 將所述待檢測圖像輸入所述特征提取層進行處理，根據(jù)所述特征提取層的輸出結(jié)果，得到多個第一特征； 將所述多個第一特征輸入所述特征融合層進行跨層融合處理，得到多個預(yù)測特征；其中，所述跨層融合處理包括將所述多個第一特征融合處理后得到的中間特征中的部分或全部進行融合； 通過所述預(yù)測層處理所述多個預(yù)測特征，根據(jù)處理結(jié)果得到所述待檢測圖像的目標檢測結(jié)果； 其中，通過以下公式獲取所述平衡損失Loss： 其中，N為樣本數(shù)量，Ii為第i張圖片，WC為所設(shè)計的第C類的分類權(quán)重，Leiou為有效交并比損失，Lcls為分類損失，Lobj為Varifocal損失； 其中，通過以下公式獲取第C類的分類權(quán)重WC： 其中，ni為第i類標簽數(shù)量，nC為第C類標簽數(shù)量，nclass為數(shù)據(jù)集類別數(shù)； 通過以下公式獲取有效交并比損失Leiou： 其中，c表示能同時包含預(yù)測框和真實框的最小閉包對角線距離，cw、ch為兩個矩形的閉包寬度和閉包高度，r為兩個中心點的歐式距離，b、w、h分別為預(yù)測框的中心點、寬度和高度，bgt、wgt、hgt分別表示真實框的中心點、寬度和高度，IoU為交并比。

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)人廣州科語機器人有限公司，其通訊地址為：511470 廣東省廣州市南沙區(qū)大崗鎮(zhèn)豪崗大道30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)”。