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！

龙图腾网恭喜北京理工大学申请的专利一种基于定位信息引导的目标检测方法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：CN113673540B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202110960804.6，技术领域涉及：G06V10/44；该发明授权一种基于定位信息引导的目标检测方法是由缪玲娟;明奇;周志强设计研发完成，并于2021-08-20向国家知识产权局提交的专利申请。

本一种基于定位信息引导的目标检测方法在说明书摘要公布了：本发明提供一种基于定位信息引导的目标检测方法，将以交并比为代表的定位信息嵌入分类任务中作为训练的标签，并且层级化交并比函数将连续的交并比离散化更好地适应分类任务；一方面，相比离散的交并比而言，在分类任务中学习连续的交并比并不会带来很大的性能增益，反而使得优化过程更慢，甚至不收敛；另一方面，对和物体重合度不高的锚框，学习其交并比无意义；因此，本发明通过改进分类分支的真实标签，采用和检测框定位准确度一致的交并比指标来指导分类任务，同时还采用层级化交并比函数对交并比向量进行层级化处理，能够保持分类和回归任务的统一性，并有效提高检测精度。

本发明授权一种基于定位信息引导的目标检测方法在权利要求书中公布了：1.一种基于定位信息引导的目标检测方法，其特征在于，将待测图像输入训练好的目标检测模型，得到待测图像中所包含物体的所属类别和定位结果；其中，所述目标检测模型的训练方法包括以下步骤：S1：采用第一卷积分支对样本图像进行特征提取，得到特征图，同时在特征图上设置多个先验矩形锚框，其中，先验矩形锚框的数量和位置设置满足整张特征图的覆盖；S2：分别采用第二卷积分支与第三卷积分支对特征图进行卷积操作，对应得到先验矩形锚框的分类矩阵S与先验矩形锚框的偏移矩阵D＝B+P，其中，B为先验矩形锚框的位置矩阵，P为先验矩形锚框相对于自身的偏移量矩阵；S3：构建总损失函数L，计算并判断总损失函数L是否小于设定值，若不小于，则改变第一～第三卷积分支的卷积层参数，并重复步骤S1～S3，直到总损失函数L小于设定值；若小于，则第一～第三卷积分支为最终的目标检测模型；其中，所述总损失函数L的构建方法如下：S31：分别获取各先验矩形锚框和样本图像中各物体包围框之间的交并比，得到M×N维的交并比矩阵IoU，其中，M为先验矩形锚框的数量，N为物体包围框的数量；S32：分别从交并比矩阵IoU的各行中提取出最大元素构建M×1维的交并比向量IoUmax，并分别将各最大元素所在行对应的先验矩形锚框与所在列对应的物体包围框的位置进行匹配，得到各先验矩形锚框期望学习的物体位置矩阵G′，同时，将G′中每个物体的所属类别编号构成一个M×1维的类别向量CLS；S33：采用层级化交并比函数对交并比向量IoUmax进行层级化处理，得到层级化向量hIoU；S34：根据层级化向量hIoU、类别向量CLS、分类矩阵S以及偏移矩阵D构建目标检测模型的总损失函数L如下：L＝|S-hIoU·hIoUT·OneHotCLS|+|D[pos]-G′[pos]|其中，T为转置，OneHotCLS表示将CLS转换为独热编码，D[pos]为偏移矩阵D中被选为正样本的先验矩形锚框偏移后的位置坐标，G′[pos]为被选为正样本的先验矩形锚框期望学习的物体的位置坐标；作为正样本的先验矩形锚框的选取方法为：采用如下层级化交并比函数对交并比向量IoUmax进行层级化处理，得到层级化向量hIoU： IoUmaxm为交并比向量IoUmax中的第m个元素，hIoUm为层级化向量hIoU中的第m个元素，δ为设定的区间分割阈值，E·为下取整函数；将满足IoUmaxm0.5的先验矩形锚框作为训练所使用的正样本。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；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”。