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！

龙图腾网获悉长安大学申请的专利一种YOLOv7-tiny轻量级车辆目标检测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：CN119649316B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411616286.6，技术领域涉及：G06V20/54；该发明授权一种YOLOv7-tiny轻量级车辆目标检测方法及系统是由程鑫;周经美;周洲;李绍骞;张立成;郝茹茹;尚旭明;王润民;闵海根;赵祥模设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种YOLOv7-tiny轻量级车辆目标检测方法及系统在说明书摘要公布了：本发明提供了一种YOLOv7‑tiny轻量级车辆目标检测方法及系统，涉及计算机视觉和深度学习技术领域，方法包括：构建路侧车辆数据集；对路侧车辆数据集进行图像滤波、图像增强和数据集划分；构建改进的初始车辆目标检测模型；初始车辆目标检测模型是基于YOLOv7‑tiny网络进行设计的；应用剪枝策略对初始车辆目标检测模型进行轻量化处理，得到轻量级车辆检测模型；将划分好的数据集输入至轻量级车辆检测模型中进行训练、测试和验证，得到最终车辆目标检测模型；将待检测图像输入至最终车辆目标检测模型中，得到检测结果。本发明通过对YOLOv7‑tiny的多方面改进，显著提升了车辆目标检测的性能和效率，并且通过轻量化的模型设计，降低了计算的复杂度，适合部署在资源受限的环境中。

本发明授权一种YOLOv7-tiny轻量级车辆目标检测方法及系统在权利要求书中公布了：1.一种YOLOv7‑tiny轻量级车辆目标检测方法，其特征在于，包括： 构建包含多种车型、不同光照和天气条件下的车辆图像的路侧车辆数据集； 对所述路侧车辆数据集进行图像滤波、图像增强和数据集划分，得到训练集、验证集和测试集； 构建改进的初始车辆目标检测模型；所述初始车辆目标检测模型是基于YOLOv7‑tiny网络进行设计的； 应用剪枝策略对所述初始车辆目标检测模型进行轻量化处理，得到轻量级车辆检测模型； 将所述训练集、所述验证集和所述测试集输入至所述轻量级车辆检测模型中进行训练、测试和验证，得到最终车辆目标检测模型； 将待检测图像输入至所述最终车辆目标检测模型中，得到检测结果； 所述剪枝策略包括：基于重要性的层自适应剪枝、基于通道权重的剪枝和基于生长正则化的剪枝； 剪枝被表述为一个转换T*，其输入为预训练的大模型w，输出为一个小模型w1，通常在剪枝之后加一个微调过程F*，最终的输出w2，w2的计算公式如下所示；F*是一个标准的神经网络训练过程，不用过多关注，更多关注由w转换到w1的过程；剪枝可以进一步转换为两个子转换：1M＝T1w，获得一个二进制掩码向量M，决定哪些权重将被移除；2T2w用于调整剩余权重的值，最终输出w1的计算公式如下所示； w2＝Fw1w1＝Tw＝T1w⊙T2w＝M⊙T2w对于一次性剪枝，T1中没有迭代训练，它取决于特定的算法来决定是否调整剩余的权重；对于基于学习的剪枝，T1和T2都涉及迭代训练，并且保留的权重将始终被调整； 算法中的第一种方法是L1范数剪枝的变体，通过L1范数排序获得掩码M，通过正则化调整保留的权重，具体来讲，给定一个预训练模型w和层修剪比例γl，按照L1范数对滤波器进行排序，对于那些范数最小的滤波器将掩码M设置为0，然后通过一个逐渐增长的L2惩罚去将那些不重要权重驱动为0，计算方法如下所示； λj＝λj+δλ,j∈{j∣,M[j]＝0}其中，λj是第j个权重的惩罚因子；δλ是增加惩罚的粒度，显然δλ越小，正则化过程越平滑；λj仅在每Ku次迭代中更新一次，这是一次缓冲的时间，为了让网络适应新的正则化；当λj，达到预设的上限τ时，终止训练并剪枝掉那些具有最小L1范数的权重，然后进行微调，剪枝不会影响准确性，不重要的权重已经被压缩到通常小于剩余权重的千分之一； 算法中的第二种方法利用逐渐增长的正则化方法进行评分；神经网络的训练容易过拟合，因此通常使用正则化技术，L2正则化是深度网络训练的标准技术；给定数据集D和模型参数w，总损失的定义如下所示； 其中，L表示任务损失函数；当训练收敛时，，应该存在下式： 其中，表示第i个权重在其最小值处。

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长安大学，其通讯地址为：710000 陕西省西安市雁塔区南二环路中段；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”。