買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請(qǐng)的專(zhuān)利一種基于YOLOX輕量化及網(wǎng)絡(luò)優(yōu)化的方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116306813B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202310212335.9，技術(shù)領(lǐng)域涉及：G06N3/0464；該發(fā)明授權(quán)一種基于YOLOX輕量化及網(wǎng)絡(luò)優(yōu)化的方法是由張文博;馬梓益;姬紅兵;李林;臧博;李斌設(shè)計(jì)研發(fā)完成，并于2023-03-07向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于YOLOX輕量化及網(wǎng)絡(luò)優(yōu)化的方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于YOLOX輕量化及網(wǎng)絡(luò)優(yōu)化的方法，包括以下步驟；S1：在目標(biāo)檢測(cè)任務(wù)中，準(zhǔn)備訓(xùn)練時(shí)所需的數(shù)據(jù)集；S2：在所述數(shù)據(jù)集上訓(xùn)練原始YOLOX神經(jīng)網(wǎng)絡(luò)模型，記錄和評(píng)估模型的性能指標(biāo)；S3：對(duì)原始YOLOX神經(jīng)網(wǎng)絡(luò)模型執(zhí)行剪枝操作，生成剪枝后的改進(jìn)YOLOX網(wǎng)絡(luò)模型；S4：在數(shù)據(jù)集上訓(xùn)練生成剪枝后的改進(jìn)YOLOX網(wǎng)絡(luò)模型；S5：對(duì)改進(jìn)YOLOX網(wǎng)絡(luò)模型執(zhí)行剪枝操作；S6：對(duì)改進(jìn)剪枝后的改進(jìn)YOLOX網(wǎng)絡(luò)進(jìn)行驗(yàn)證和分析，若能滿足性能上的要求，則對(duì)目標(biāo)進(jìn)行檢測(cè)分析；如不能滿足性能要求，則調(diào)整改進(jìn)模型，直至滿足性能要求為止。本發(fā)明在目標(biāo)檢測(cè)中具有較高的檢測(cè)精度和速度，更易于在實(shí)際應(yīng)用場(chǎng)景中進(jìn)行部署和集成，也使得模型的推理過(guò)程更加高效和穩(wěn)定。

本發(fā)明授權(quán)一種基于YOLOX輕量化及網(wǎng)絡(luò)優(yōu)化的方法在權(quán)利要求書(shū)中公布了：1.一種基于YOLOX輕量化及網(wǎng)絡(luò)優(yōu)化的方法，其特征在于，包括以下步驟； S1：在目標(biāo)檢測(cè)任務(wù)中，準(zhǔn)備訓(xùn)練時(shí)所需的數(shù)據(jù)集；所述數(shù)據(jù)集選取目標(biāo)在不同場(chǎng)景、不同光照條件下的原始圖像，通過(guò)對(duì)原始圖像的預(yù)處理，以確保模型能夠在各種環(huán)境下實(shí)現(xiàn)準(zhǔn)確的目標(biāo)檢測(cè)； S2：在所述數(shù)據(jù)集上訓(xùn)練原始YOLOX神經(jīng)網(wǎng)絡(luò)模型，記錄和評(píng)估模型的性能指標(biāo)； S3：對(duì)原始YOLOX神經(jīng)網(wǎng)絡(luò)模型執(zhí)行剪枝操作，生成剪枝后的改進(jìn)YOLOX網(wǎng)絡(luò)模型； S4：在數(shù)據(jù)集上訓(xùn)練生成剪枝后的改進(jìn)YOLOX網(wǎng)絡(luò)模型； S5：對(duì)改進(jìn)YOLOX網(wǎng)絡(luò)模型執(zhí)行剪枝操作，進(jìn)行進(jìn)一步調(diào)整，以達(dá)到更高的檢測(cè)精度和速度； S6：對(duì)改進(jìn)剪枝后的改進(jìn)YOLOX網(wǎng)絡(luò)進(jìn)行驗(yàn)證和分析，若能滿足性能上的要求，則對(duì)目標(biāo)進(jìn)行檢測(cè)分析；如不能滿足性能要求，則調(diào)整改進(jìn)模型，直至滿足性能要求為止； 所述步驟S4改進(jìn)YOLOX網(wǎng)絡(luò)模型，包括下列步驟： 1在yolox主干層和數(shù)據(jù)增強(qiáng)層通道之間插入通道-空間注意力機(jī)制CBAM模塊； 首先通過(guò)通道注意力機(jī)制，將輸入的特征圖分別進(jìn)行平均池化和最大池化操作，實(shí)現(xiàn)聚合特征圖的空間信息，生成的平均池化特征Favg和最大池化特征Fmax通過(guò)共享網(wǎng)絡(luò)層，將共享網(wǎng)絡(luò)應(yīng)用到每個(gè)特征后，將平均池化特征和最大池化特征進(jìn)行元素求和，并將合并的特征通過(guò)Sigmiod激活函數(shù)輸出通道注意映射Mc；空間注意力沿著通道軸對(duì)特征圖進(jìn)行平均池化和最大池化操作，使特征圖在通道維度上進(jìn)行壓縮，并將兩個(gè)特征圖在通道維度上進(jìn)行拼接生成一個(gè)有效的特征圖，隨后經(jīng)過(guò)7X7的卷積層；最后，通過(guò)Sigmiod函數(shù)操作得到最終的通道注意映射Ms； 2將原有的BCE交叉熵?fù)p失函數(shù)替換為VariFacalLoss損失函數(shù)；在替換BCE交叉熵?fù)p失函數(shù)為VariFocalLoss損失函數(shù)的過(guò)程中，需要修改模型的輸出層，VariFocalLoss損失函數(shù)會(huì)引入一個(gè)可學(xué)習(xí)的指數(shù)γ，并且將損失函數(shù)的計(jì)算公式中的權(quán)重調(diào)整項(xiàng)進(jìn)行了修改，從而更加注重難樣本的學(xué)習(xí)，在改進(jìn)YOLOX網(wǎng)絡(luò)模型中，輸出層通常包括分類(lèi)分支和回歸分支，在分類(lèi)分支中，需要對(duì)每個(gè)目標(biāo)進(jìn)行分類(lèi)，而在回歸分支中，需要對(duì)每個(gè)目標(biāo)進(jìn)行位置信息的回歸，將分類(lèi)分支的輸出先進(jìn)行sigmoid函數(shù)的處理，然后再將其變成預(yù)測(cè)概率，根據(jù)這個(gè)概率來(lái)計(jì)算VariFocalLoss損失函數(shù)； 3對(duì)改進(jìn)YOLOX網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練； 4對(duì)訓(xùn)練好的模型執(zhí)行剪枝操作，并評(píng)估模型剪枝后的性能指標(biāo)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市雁塔區(qū)太白南路2號(hào)；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)”。