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！

龙图腾网恭喜广东工业大学申请的专利一种基于弱监督的物体计数神经网络训练方法和计数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：CN114898283B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210346755.1，技术领域涉及：G06V20/52；该发明授权一种基于弱监督的物体计数神经网络训练方法和计数方法是由管贻生;梁鸿泽;何力设计研发完成，并于2022-04-02向国家知识产权局提交的专利申请。

本一种基于弱监督的物体计数神经网络训练方法和计数方法在说明书摘要公布了：本发明提供了一种基于弱监督的物体计数神经网络训练方法和计数方法，涉及弱监督学习技术领域。所述训练方法包括步骤：S1、利用训练样本图像对初始的神经网络进行不完全监督训练，得到不完全监督的神经网络；S2、利用训练样本图像中的识别对象数量对不完全监督的神经网络进行不精确监督训练，得到物体计数神经网络；与单纯的不完全监督、不精确监督相比，向神经网络输入了更多的监督信息，在保证计数精度的前提下，减少单个图片的标注工作量、不易漏检识别精度高。

本发明授权一种基于弱监督的物体计数神经网络训练方法和计数方法在权利要求书中公布了：1.一种基于弱监督的物体计数神经网络训练方法，其特征在于，包括步骤：S1、利用训练样本图像对初始的神经网络进行不完全监督训练，得到不完全监督的神经网络；训练时生成第一热图，并利用第一热图计算第一损失值；S2、利用训练样本图像中的识别对象数量对不完全监督的神经网络进行不精确监督训练，得到物体计数神经网络；步骤S2所述不精确监督训练的方法为：S21、获取已经完成不完全监督训练的不完全监督的神经网络，不完全监督的神经网络对训练样本图像生成第二热图；S22、对第二热图进行顶帽滤波然后进行阈值化，获得一系列初始斑块，表示为B＝{be,e＝1,2,3,…,m}；S23、计算初始斑块的面积和均值，依据初始斑块的面积和均值对所有的初始斑块进行排序，按照从大到小的顺序，将热图斑块划分为两类：排序前n个斑块为第一斑块集合Bf＝{bf,f＝1,2,3,…,n}，其中n为当前训练样本图像中的识别对象的数量，排序后m-n个斑块为第二斑块集合Bg＝{bg,g＝n+1,n+2,…,m}；S24、计算Bg的虚检损失，并计算Bf和Bg的gap损失；S25、损失函数利用第一损失值、虚检损失和gap损失计算第二损失值；S26、判断是否达到指定的迭代步数，若未达到迭代步数，则根据第二损失值更新不完全监督的神经网络的权重，然后返回步骤S21对不完全监督的神经网络进行迭代训练；若达到迭代步数，则停止迭代，保存神经网络作为物体计数神经网络；其中，步骤S23当前训练样本图像中的识别对象的数量是通过对训练样本进行粗粒度标记得到的；步骤S24中计算Bg的虚检损失的方法为： 其中，bg为第一斑块集合Bg中的斑块；步骤S24计算Bf和Bg的gap损失的方法为：

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。