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！

龙图腾网恭喜邵阳学院申请的专利一种用于深度学习目标检测的动态训练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：CN115294380B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210009330.1，技术领域涉及：G06V10/764；该发明授权一种用于深度学习目标检测的动态训练方法是由戴小标;郑坤泉;胡均平;段玉霞设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种用于深度学习目标检测的动态训练方法在说明书摘要公布了：本发明公开了一种用于深度学习目标检测的动态训练方法，包括以下步骤：S1、提取图像中的目标区域和忽略区域；S2、计算候选区域与每个目标区域的交并比IoU，并计算候选区域与每个忽略区域的相交面积在候选区域中的占比a；S3、根据正、负样本IoU、a及其阈值TP、TN、Ta定义候补负样本、负样本、正样本、候补正样本和中性样本；S4、计算非中性样本的难度和质量系数；S5、按照样本质量高低，从非中性样本中挑选正、负训练样本；S6、动态调整TP和TN，改变正、负样本之间的差距，动态产生不同难度和质量的训练样本来训练模型。本发明充分利用数据集中的注释和背景图像，可以高效、低损和强泛化地训练有监督深度学习目标检测模型。

本发明授权一种用于深度学习目标检测的动态训练方法在权利要求书中公布了：1.一种用于深度学习目标检测的动态训练方法，其特征在于，包括以下步骤：S1、提取图像中的目标区域和忽略区域，所述的忽略区域是指所述图像中除目标区域以外的其它注释区域；S2、分别计算候选区域与每个目标区域的交并比，并分别计算候选区域与每个忽略区域的相交面积在候选区域中的占比；S3、根据所有的正样本、负样本、占比及正样本的阈值、负样本的阈值、占比的阈值定义候补负样本、负样本、正样本、候补正样本和中性样本：最大交并比小于0.05，且最大占比小于的候选区域定义为候补负样本；，且小于的候选区域定义为负样本；，且小于的候选区域定义为与之匹配的目标区域对应类别的候补正样本；的候选区域定义为与之匹配的目标区域对应类别的正样本；其余候选区域定义为中性样本；S4、统计候补负样本、负样本、正样本和候补正样本的数量，分别表示为，并计算每个非中性样本的难度系数和质量系数；其中，非中性样本是指候补负样本、负样本、正样本和候补正样本；所述非中性样本的难度系数和质量系数的计算公式分别为： 1； 2；S5、采样高质量训练样本：根据非中性样本的质量系数由高到低，按正样本、负样本、候补正样本的优先级顺序选取个训练样本；如果正样本、负样本以及候补正样本的总数量不足个，则再随机选出部分候补负样本作为负训练样本，以补足个训练样本；S6、根据训练损失收敛情况，逐步改变和的设置，以改变正样本与负样本之间的差距，从而动态产生不同难度和质量的训练样本，用于训练基于深度学习的目标检测模型。

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邵阳学院，其通讯地址为：422000 湖南省邵阳市大祥区学院路邵阳学院；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”。