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)獲悉杭州電子科技大學申請的專利基于正負樣本采樣比和模型微調(diào)的目標檢測優(yōu)化方法獲國家發(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：CN111797905B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-12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：202010537789.X，技術領域涉及：G06V10/764；該發(fā)明授權基于正負樣本采樣比和模型微調(diào)的目標檢測優(yōu)化方法是由杭麗君;丁明旭;葉鋒;宮恩來設計研發(fā)完成，并于2020-06-12向國家知識產(chǎn)權局提交的專利申請。

本基于正負樣本采樣比和模型微調(diào)的目標檢測優(yōu)化方法在說明書摘要公布了：本發(fā)明公開了一種基于正負樣本采樣比和模型微調(diào)的目標檢測優(yōu)化方法，包括以下步驟：步驟1設計整體網(wǎng)絡架構(gòu)；步驟2訓練模型；步驟3驗證模型并采取不同的優(yōu)化措施；步驟4以固定正負樣本比例注入負樣本的優(yōu)化措施；步驟5對不同尺度目標檢測的優(yōu)化措施。本發(fā)明實施例針對深度學習方案構(gòu)建的檢測器存在的檢測精度以及檢測速度兩方面做出了優(yōu)化。在檢測速度性能良好的單步網(wǎng)絡SSD架構(gòu)中引入FPN網(wǎng)絡實現(xiàn)更高精度的多尺度檢測效果。其后采用固定正負樣本比例的方式注入更多類別的負樣本，并針對不同尺度大小的目標進行相適應的固定網(wǎng)絡參數(shù)和微調(diào)的措施，實現(xiàn)對于整體檢測架構(gòu)的優(yōu)化。

本發(fā)明授權基于正負樣本采樣比和模型微調(diào)的目標檢測優(yōu)化方法在權利要求書中公布了：1.一種基于正負樣本采樣比和模型微調(diào)的目標檢測優(yōu)化方法，其特征在于，包括以下步驟： 步驟1）設計整體網(wǎng)絡架構(gòu)：使用檢測速度性能優(yōu)異且具有良好的檢測精度的單步網(wǎng)絡架構(gòu)SSD作為基礎網(wǎng)絡，在此基礎上，引入FPN結(jié)構(gòu)對檢測架構(gòu)進行創(chuàng)新，實現(xiàn)高精度的多尺度檢測效果；其中引入FPN結(jié)構(gòu)對檢測架構(gòu)進行創(chuàng)新包括：使用18，116，132的尺度作為檢測器的輸入層，基礎網(wǎng)絡輸出132的特征圖作為其中的一個檢測輸入特征，然后使用反卷積操作擴大特征圖的尺度，再將擴大之后的特征圖與原始的116的特征圖進行特征融合，將融合之后的特征作為檢測器的輸入特征；然后將融合之后的特征再進行反卷積操作，與原始的18的特征圖進行融合，將融合之后的18的特征圖作為檢測器的輸入特征層； 步驟2）訓練模型：使用ImageNet數(shù)據(jù)訓練的基礎模型的參數(shù)作為模型訓練的初始參數(shù)，并在此基礎上進行微調(diào)，其后使用驗證集調(diào)節(jié)模型的超參數(shù)，從而確定出最終檢測器的最優(yōu)超參數(shù)；在模型訓練中，使用模型的初始化學習率為10e-4，每次迭代20個epoch，學習率降低為原來的110； 步驟3）驗證模型并采取不同的優(yōu)化措施：使用測試數(shù)據(jù)驗證訓練好的模型的性能，對模型的檢測效果進行可視化，并對存在漏檢與誤檢的圖片進行分析，其后針對不同情況的漏檢以及不同場景的誤檢采取不同的優(yōu)化措施，實現(xiàn)對目標檢測效果的針對性優(yōu)化； 步驟4）以固定正負樣本比例注入負樣本的優(yōu)化措施：針對步驟3）中的誤檢情況進行優(yōu)化，使用被誤檢的目標類別作為負樣本進行優(yōu)化，并確保采樣得到的正負樣本數(shù)據(jù)與原始的沒有添加負樣本數(shù)據(jù)的正負樣本的比例保持一致，實現(xiàn)負樣本的種類增加，并且正負樣本的比例不變；從而避免負樣本過多，導致模型的優(yōu)化方向朝著傾向于負樣本的的方向進行更新； 步驟5）對不同尺度目標檢測的優(yōu)化措施：針對步驟3中的漏檢情況，對漏檢的目標的尺度進行分析，相對于特征圖的大小進行匹配，如果是小目標的漏檢，則固定網(wǎng)絡中的高層結(jié)構(gòu)的參數(shù)，使用數(shù)據(jù)增強的方式生成大量的小目標，來微調(diào)網(wǎng)絡的底層結(jié)構(gòu)，實現(xiàn)底層更好的提取小目標的特征信息；如果漏檢測的是大目標，則使用數(shù)據(jù)增強生成大目標的圖片，固定底層網(wǎng)絡參數(shù)，不再進行訓練學習，微調(diào)高層網(wǎng)絡結(jié)構(gòu)中的參數(shù)，實現(xiàn)網(wǎng)絡更好的對大目標的檢測。

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.gztjhr.cn/list?keyword=%E6%9D%AD%E5%B7%9E%E7%94%B5%E5%AD%90%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6&temp=1">杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)；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)”。