买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜魔门塔(苏州)科技有限公司申请的专利一种基于神经网络的图像检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN112287956B 。

龙图腾网通过国家知识产权局官网在2025-01-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：201910683069.1，技术领域涉及：G06V10/82；该发明授权一种基于神经网络的图像检测方法及装置是由李翔设计研发完成，并于2019-07-26向国家知识产权局提交的专利申请。

本一种基于神经网络的图像检测方法及装置在说明书摘要公布了：本发明实施例公开一种基于神经网络模型的图像检测方法及装置。该方法包括：获得待检测图像；利用预先训练所得的目标神经网络模型的每一卷积块，对待检测图像进行卷积操作及特征重标定操作，确定待检测图像对应的目标特征图，其中，特征重标定操作为：将所对应卷积块包含的每一通道对应的权重值，与每一通道对应的卷积操作后所得的特征图相乘的操作；利用目标神经网络模型的全连接层以及目标特征图，确定待检测图像对应的检测结果，以在保证依照每个通道的重要程度提升图像对应的特征图中有用的特征并抑制用处不大的特征的同时，在一定程度上降低利用网络的检测过程所消耗的时间以及资源。

本发明授权一种基于神经网络的图像检测方法及装置在权利要求书中公布了：1.一种基于神经网络模型的图像检测方法，其特征在于，包括：获得待检测图像；利用预先训练所得的目标神经网络模型的每一卷积块，对所述待检测图像进行卷积操作及特征重标定操作，确定所述待检测图像对应的目标特征图，其中，所述特征重标定操作为：将所对应卷积块包含的每一通道对应的权重值，与每一通道对应的卷积操作后所得的特征图相乘的操作；每一通道对应的权重值用于表征所对应通道的重要程度，每一通道对应的权重值为：根据该通道对应的目标子权重值或目标子压缩值确定的值，该通道对应的目标子权重值或目标子压缩值为：基于训练得到所述目标神经网络模型的样本图像确定的值；利用所述目标神经网络模型的全连接层以及所述目标特征图，确定所述待检测图像对应的检测结果；在对初始神经网络模型进行迭代训练获得所述目标神经网络模型的过程中，基于目前卷积块包含的通道对应的卷积核，对样本图像或所述样本图像对应的第一特征图进行图像特征提取，确定所述目前卷积块包含的各通道对应的特征图，其中，所述目前卷积块为：当前训练过程中的神经网络模型的卷积块中的一个，若所述目前卷积块为：所述当前训练过程中的神经网络模型的第一个卷积块，所述目前卷积块的输入为该样本图像；若所述目前卷积块为：所述当前训练过程中的神经网络模型的非第一个卷积块，所述目前卷积块的输入为：该样本图像对应的第一特征图，且为基于所述目前卷积块的前一个卷积块及该前一个卷积块对应的压缩激励SE块对应的输出所确定的值；将所述目前卷积块包含的各通道对应的特征图，输入所述目前卷积块对应的SE块，得到所述当前训练过程中所述目前卷积块包含的各通道对应的当前子权重值；针对所述当前训练过程中所述目前卷积块包含的各通道，利用该通道对应的所述当前子权重值以及历史子权重值，确定该通道对应的目标子权重值，其中，所述历史子权重值为：所述当前训练过程的前一个训练过程所获得的、所述目前卷积块包含的该通道对应的子权重值；或者，将所述目前卷积块包含的各通道对应的特征图，输入所述目前卷积块对应的SE块的压缩处理层，得到所述当前训练过程中所述目前卷积块包含的各通道对应的当前子压缩值；针对所述当前训练过程中所述目前卷积块包含的各通道，利用该通道对应的所述当前子压缩值以及历史子压缩值，确定该通道对应的目标子压缩值，其中，所述历史子压缩值为：所述当前训练过程的前一个训练过程所获得的、所述目前卷积块包含的该通道对应的子压缩值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人魔门塔(苏州)科技有限公司，其通讯地址为：215131 江苏省苏州市相城区高铁新城南天成路88号天成信息大厦601-A33室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。