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！

龙图腾网获悉西北大学申请的专利全监督目标检测模型构建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：CN116958671B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310865555.1，技术领域涉及：G06V10/764；该发明授权全监督目标检测模型构建方法及装置是由耿国华;冯瑞航;张琦;王勇;周蓬勃;秦钰林设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本全监督目标检测模型构建方法及装置在说明书摘要公布了：本申请涉及一种全监督目标检测模型构建方法及装置，立足于全监督数据集，大幅提升了该领域中模型的训练效率以及检测性能，并降低了训练所需资源；此外，使用递归复用教师模型进行自训练，关联上下文信息，进而为学生模型提供高质量伪标签；并且，Transformer模块通过添加额外的框回归任务，帮助模型提高学习稳定性。

本发明授权全监督目标检测模型构建方法及装置在权利要求书中公布了：1.一种全监督目标检测模型构建方法，其特征在于，包括： 步骤1，构建目标检测数据集，所述目标检测数据集包括标准标注数据集和弱标注数据集；所述弱标注数据集中包括多种样本弱标注类型；所述标准标注数据集和所述弱标注数据集中均包括多个样本，所述样本为具有多个目标的图像； 步骤2，基于所述标准标注数据集训练教师模型，得到训练后的教师模型； 步骤3，将所述弱标注数据集输入到所述训练后的教师模型，所述训练后的教师模型为当前的教师模型，得到预测结果； 步骤4，对所述预测结果进行置信度阈值过滤和弱标注信息过滤，生成伪标签，并利用所述伪标签更新所述弱标注数据集，得到更新后的弱标注数据集； 所述弱标注信息过滤包括： 若样本的标注类型为第一种类型：无标注，则根据置信度阈值进行过滤； 若样本的标注类型为第二种类型：类别标注，则根据弱标注的类别，将不属于弱标注的类别的预测结果去掉；并根据保留的预测结果的置信度，给弱标注的类别中未预测到的类别分配至少一个实例； 若样本的标注类型为第三种类型：标注每个类别的数量，则根据弱标注的类别，将不属于弱标注的类别的预测结果去掉；并且根据置信度，给各类别分配对应数量的实例； 若样本的标注类型为第四种类型：点标注，则根据点标注的点位置信息，将预测结果中的预测框在点标注的点位置信息之外的预测结果去除； 若样本的标注类型为第五种类型：点标注和类别标注，则根据点标注的点位置信息，将预测结果中的预测框在点标注的点位置信息之外的预测结果去除；并且去除预测类别与点标注对应的类别标注不匹配的预测结果； 若样本的标注类型为第六种类型：标准框标注，则在置信度阈值过滤后，针对标准框标注的每个实例的标注框，计算所有预测框与所述标注框之间的交并比，对交并比进行排序，选择交并比最大的预测结果作为所述实例的伪标签； 若样本的标注类型为第七种类型：噪声框标注，则与第六种类型的处理方式相同； 步骤5，基于所述标准标注数据集和所述更新后的弱标注数据集训练学生模型，得到训练后的学生模型； 步骤6，根据所述训练后的学生模型的权重参数更新所述教师模型的权重参数，得到更新后的教师模型； 步骤7，判断是否达到迭代训练结束的条件，若是，输出所述更新后的教师模型，即为最终的目标检测模型，若否，将所述更新后的教师模型作为当前的教师模型，返回步骤3。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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”。

以上内容由龙图腾AI智能生成。