買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉溫州大學(xué)大數(shù)據(jù)與信息技術(shù)研究院申請的專利一種面向復(fù)雜場景的目標(biāo)分類方法獲國家發(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：CN113850308B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05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：202111081734.3，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種面向復(fù)雜場景的目標(biāo)分類方法是由張笑欽設(shè)計(jì)研發(fā)完成，并于2021-09-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種面向復(fù)雜場景的目標(biāo)分類方法在說明書摘要公布了：本發(fā)明公開了一種面向復(fù)雜場景的目標(biāo)分類方法，包括：采集待訓(xùn)練圖像以及待分類圖像；對采集的圖像進(jìn)行預(yù)處理；使用預(yù)處理后的待訓(xùn)練圖像制作數(shù)據(jù)集；訓(xùn)練目標(biāo)分類模型；使用目標(biāo)分類模型對預(yù)處理后的待分類圖像進(jìn)行處理；對目標(biāo)分類結(jié)果進(jìn)行顯示，本發(fā)明通過爬取模塊從多個網(wǎng)站爬取包含復(fù)雜場景的圖像信息，并對爬取圖像進(jìn)行篩選后制作數(shù)據(jù)集，保證了訓(xùn)練數(shù)據(jù)的數(shù)量以及質(zhì)量；同時，通過訓(xùn)練目標(biāo)分類模型，并使用目標(biāo)分類模型對預(yù)處理后的待分類圖像進(jìn)行處理，能夠高效地獲取目標(biāo)分類結(jié)果。

本發(fā)明授權(quán)一種面向復(fù)雜場景的目標(biāo)分類方法在權(quán)利要求書中公布了：1.一種面向復(fù)雜場景的目標(biāo)分類方法，其特征在于，包括： 采集待訓(xùn)練圖像以及待分類圖像； 對采集的圖像進(jìn)行預(yù)處理； 使用預(yù)處理后的待訓(xùn)練圖像制作數(shù)據(jù)集； 訓(xùn)練目標(biāo)分類模型； 使用目標(biāo)分類模型對預(yù)處理后的待分類圖像進(jìn)行處理； 對目標(biāo)分類結(jié)果進(jìn)行顯示； 所述使用目標(biāo)分類模型對預(yù)處理后的待分類圖像進(jìn)行處理包括將預(yù)處理后的待分類圖像輸入至目標(biāo)檢測網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測，所述將預(yù)處理后的待分類圖像輸入至目標(biāo)檢測網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測包括以下步驟：通過特征提取模塊對預(yù)處理后的待分類圖像進(jìn)行特征提取獲得特征圖；對所述特征提取模塊的低層做轉(zhuǎn)置卷積，并計(jì)算通過轉(zhuǎn)置卷積后獲取的低層特征圖分辨率；重復(fù)轉(zhuǎn)置卷積過程，直至所述特征提取模塊的低層特征圖分辨率與所述特征提取模塊的高層特征圖分辨率一致；通過融合卷積模塊對高層特征圖和低層特征圖進(jìn)行融合；將融合卷積模塊輸出的特征圖輸入至卷積預(yù)測器進(jìn)行預(yù)測；通過極大值抑制算法選擇最佳預(yù)測結(jié)果，所述特征提取模塊包括多對由一個池化層和至少一個卷積層； 所述使用目標(biāo)分類模型對預(yù)處理后的待分類圖像進(jìn)行處理還包括將經(jīng)過目標(biāo)檢測網(wǎng)絡(luò)獲取的目標(biāo)輸入至目標(biāo)分類網(wǎng)絡(luò)進(jìn)行目標(biāo)分類，所述將經(jīng)過目標(biāo)檢測網(wǎng)絡(luò)獲取的目標(biāo)輸入至目標(biāo)分類網(wǎng)絡(luò)進(jìn)行目標(biāo)分類包括以下步驟：分別通過普通卷積模塊和Gabor卷積模塊對所述目標(biāo)檢測網(wǎng)絡(luò)獲取的目標(biāo)進(jìn)行特征提取；將所述普通卷積模塊輸出的特征圖和所述Gabor卷積模塊輸出的特征圖拼接起來獲取新的特征圖；對新的特征圖進(jìn)行升維操作；通過求和操作使得升維后的特征圖與所述目標(biāo)檢測網(wǎng)絡(luò)獲取的目標(biāo)相加；通過全局平均池化層對所述求和操作獲取的結(jié)果進(jìn)行匯總，并通過softmax分類器完成分類任務(wù)。

如需購買、轉(zhuǎn)讓、實(shí)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)人溫州大學(xué)大數(shù)據(jù)與信息技術(shù)研究院，其通訊地址為：325000 浙江省溫州市龍灣區(qū)浙南云谷G幢1樓；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)”。