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！

龙图腾网恭喜四川数聚智造科技有限公司申请的专利一种基于正样本热力图引导的负样本智能混训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：CN118941769B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202410955507.6，技术领域涉及：G06V10/25；该发明授权一种基于正样本热力图引导的负样本智能混训目标检测方法是由廖强;王月超;陈睿;黄玲;王哲;李越;黄泉龙;祝秀红;曾志伟;朱琳;林杰;罗进;孙春;周娟;曾金龙;杨希翔;聂鸿杰设计研发完成，并于2024-07-16向国家知识产权局提交的专利申请。

本一种基于正样本热力图引导的负样本智能混训目标检测方法在说明书摘要公布了：本发明涉及图像技术领域，提供了一种基于正样本热力图引导的负样本智能混训目标检测方法。本发明的核心技术问题是如何提高目标检测模型在处理正负样本不均衡情况下的准确性和泛化能力。主要方案包括步骤1：正负样本数据集准备；步骤2：热力图生成，将正样本中检测到的异常区域转化为热力图，热力图的生成使用高斯模糊图像处理方法，以突出异常区域并平滑边缘；步骤3：数据处理及设计智能混训策略，结合正样本热力图作为指导信息；步骤4：结果评估与优化。

本发明授权一种基于正样本热力图引导的负样本智能混训目标检测方法在权利要求书中公布了：1.一种基于正样本热力图引导的负样本智能混训目标检测方法，其特征在于，包括以下步骤：步骤1：正负样本数据集准备；步骤2：热力图生成，将正样本中检测到的异常区域转化为热力图，热力图的生成使用高斯模糊图像处理方法，以突出异常区域并平滑边缘；步骤3：数据处理及设计智能混训策略，结合正样本热力图作为指导信息；步骤4：结果评估与优化；步骤1包括以下步骤：步骤1.1、收集正样本数据集A，包括正样本异常检测得到的多组异常数据，内部数据格式为异常原图（a1...aN、异常原图对应的正常底图b1....bN、异常原图对应的异常区域边界框（c1....cN）;步骤1.2、收集负样本数据集B，主要包括负样本异常检测得到的多组异常数据，内部数据格式为异常原图（m1...mN及异常原图对应的正常底图n1....nN、异常原图对应的异常区域边界框（g1....gN）；步骤1.3、清洗正样本数据集A和负样本数据集B，确保能够充分反映目标异常的特征和分布情况；步骤2包括以下步骤：步骤2.1、对正样本数据集A和负样本数据集B中的异常区域边界框进行处理，将异常区域其中心位置记为，并确定其大小；步骤2.2、定义高斯核：高斯核是一个二维函数，用于在热力图中为异常区域分配权重，给定一个标准差，高斯核函数如下： 其中是图像上的坐标，是异常区域的中心，是标准差，决定了模糊的程度；步骤2.3、构建热力图：对于图像中的每个像素位置，遍历所有异常区域的边界框，如果该像素位置位于某个异常区域的边界框内，则计算该像素位置相对于该异常区域中心的高斯核函数值；如果像素位置位于多个异常区域的边界框内，采用以下两种处理方式中任一一种进行处理：方式1：选择最大值：取所有相关高斯核函数值中的最大值作为该像素在热力图上的值；方式2：累加或平均：将所有相关的高斯核函数值累加或平均，以反映像素位置与多个异常区域的接近程度；如果像素位置不位于任何异常区域的边界框内，则将其在热力图上的值设置为0或某个预设值；步骤3包括以下步骤：步骤3.1：将正样本数据集A和负样本数据集B中的异常原图、正常底图和热力图进行堆叠处理，确保热力图位于最顶层，得到训练数据集C；步骤3.2：对正样本热力图进行分析，根据其亮度、区域大小将热力图划分为不同的难度等级；步骤3.3：设置混训策略，根据当前模型的性能，动态调整正负样本的混合比例；步骤3.3.1、分析模型在验证集上的性能，指标包括准确率、召回率；步骤3.3.2、根据模型性能，识别高难度正样本，难度正样本是指热力图亮度高、区域大的样本；步骤3.3.3、增加高难度正样本在训练集中的出现频率；步骤3.3.4、保持中等难度和低难度正样本以及负样本的采样率，以维持模型泛化能力；步骤4包括以下步骤：步骤4.1、使用评估指标对模型性能进行评估；步骤4.2、根据评估结果调整模型参数和损失函数；步骤4.3、若模型性能未达到预期要求，则返回至步骤3，重新进行数据处理和混训策略设计，然后再次进行评估与优化。

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四川数聚智造科技有限公司，其通讯地址为：610000 四川省成都市天府新区兴隆街道湖畔路西段123号1栋1单元5层501-508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”。