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！

龙图腾网获悉合肥工业大学申请的专利结合进化多目标及进化多任务的检测模型优化方法及系统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：CN114819144B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210451076.0，技术领域涉及：G06N3/086；该发明授权结合进化多目标及进化多任务的检测模型优化方法及系统是由李小彬;吴长延;边泰山;曹晨曦;任泰安;虞少杰;杨佳;李淑婷;朱华炳设计研发完成，并于2022-04-24向国家知识产权局提交的专利申请。

本结合进化多目标及进化多任务的检测模型优化方法及系统在说明书摘要公布了：本发明公开了一种结合进化多目标及进化多任务的检测模型优化方法及系统，属于目标检测技术领域，包括构建辅助任务，辅助任务为基于爬山搜索算法对目标检测模型中的权重进行优化；构建主任务，主任务为基于进化多目标方法对第一目标函数和第二目标函数进行优化求解，第一目标函数为分类损失函数，第二目标函数为回归损失函数；对辅助任务和主任务进行求解，并将辅助任务搜索过程中得到的解作为个体迁移到主任务的种群中，完成模型优化。本发明可求求解出一组相互权衡的解，并降低目标检测模型优化过程的时间复杂度。

本发明授权结合进化多目标及进化多任务的检测模型优化方法及系统在权利要求书中公布了：1.一种结合进化多目标及进化多任务的检测模型优化方法，其特征在于，所述方法包括： 构建辅助任务，所述辅助任务为基于爬山搜索算法对目标检测模型中的权重进行优化，其中，目标检测模型采用神经网络，用于对图像或视频中特定的事物进行定位和识别，所设置的模型优化参数包括：所述爬山搜索算法的目标函数权重集合S和学习率lr；进化多目标方法的种群的规模为N和最大迭代次数maxEpoch；所述目标检测模型的神经网络拓扑结构MOD，数据量DataSet及每次从DataSet抽取的batchsample的规模大小batchSize；从所述爬山搜索算法的种群迁移到所述进化多目标算法中种群的最大个体数量m； 构建主任务，所述主任务为基于进化多目标方法对第一目标函数和第二目标函数进行优化求解，所述第一目标函数为分类损失函数，所述第二目标函数为回归损失函数； 对所述辅助任务和所述主任务进行求解，并将所述辅助任务搜索过程中得到的解作为个体迁移到所述主任务的种群中，完成模型优化，包括：分别对所述神经网络拓扑结构MOD和所述权重集合S进行初始化，得到第一种群POP和第二种群GPOP，具体为：根据所述目标检测模型的神经网络拓扑结构MOD采用（0，1）正态分布初始化所述种群的N个个体，得到第一种群POP；对于所述权重集合S中的每个元素，根据所述目标检测模型的神经网络拓扑结构MOD采用（0，1）正态分布初始化1个个体，得到1个用所述爬山搜索算法解且由|S|个个体组成的第二种群GPOP； 初始化字典，得到historyElites字典； 从数据集中抽取规模为batchSize的数据样本batchSample，并将所述数据样本batchSample对应的编号放到sample_id； 基于所述第一种群POP进行评估，从子代中选择最好的λ个个体作为所述第一种群POP的下一代个体； 将所述第二种群GPOP中的个体迁移到所述第一种群POP中，得到迁移种群； 将所述迁移种群中最好的个体和当前代的sample_id组成一个字典添加到所述historyElites字典中； 令种群迭代次数epochIndex=epochIndex+1，并判断当前种群迭代次数是否满足epochIndexmaxEpoch，maxEpoch为最大迭代次数； 若是，则重新执行所述初始化字典步骤； 若否，则运用NSGA-II算法对所述第一种群POP进行排序，得到帕累托前沿，获取最终解集。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。