Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜西安电子科技大学;陕西方寸积慧智能科技有限公司李超获国家专利权

恭喜西安电子科技大学;陕西方寸积慧智能科技有限公司李超获国家专利权

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!

龙图腾网恭喜西安电子科技大学;陕西方寸积慧智能科技有限公司申请的专利基于卷积神经网络的目标检测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:CN115063669B

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:202210339319.1,技术领域涉及:G06V10/25;该发明授权基于卷积神经网络的目标检测方法是由李超;张文博;姬红兵;付小红;邓霜意设计研发完成,并于2022-04-01向国家知识产权局提交的专利申请。

基于卷积神经网络的目标检测方法在说明书摘要公布了:本发明公开了一种基于卷积神经网络的目标检测方法,主要解决现有目标检测方法网络复杂、速度不快和对小目标检测效果差的问题。本发明的具体步骤如下:1构建积神经网络;2生成目标检测训练集;3训练卷积神经网络;4对待检测目标进行检测。本发明构建了一个由特征提取模块、特征增强模块、识别和定位模块组成的卷积神经网络,克服了现有目标检测方法中大目标检测效果好、小目标检测效果差并且速度慢的问题,使得本发明不仅能够实时识别大目标,也能实时识别小目标。

本发明授权基于卷积神经网络的目标检测方法在权利要求书中公布了:1.基于卷积神经网络的目标检测方法,其特征在于,包括:步骤1,构建卷积神经网络所述卷积神经网络由特征提取模块、特征增强模块、识别和定位模块依次连接组成;所述特征提取模块用于提取目标特征,所述特征增强模块用于对提取的目标特征进行增强,所述识别和定位模块用于对增强的目标特征进行识别和定位;所述特征提取模块共12层,其结构依次为:Focus层→第一卷积层→第一CSP层→第二卷积层→第二CSP层→第三卷积层→第三CSP层→第四卷积层→第四CSP层→第五卷积层→池化层→第五CSP层;设置每层参数为:将第一至第五卷积层中卷积核的个数分别设置为64,128,256,512,768,卷积核的大小均设置为3×3,步长均设置为2,且每一个卷积层均进行卷积操作、批归一化处理和LeakyReLU激活处理;所述Focus层进行一次下采样和卷积操作,下采样时宽和高都降为原来的一半,通道数增加到原来的四倍,卷积操作的卷积核大小为1×1,步长为1;每一个CSP层有两路操作,上路是通过卷积操作再通过残差结构,下路是一个卷积操作,将两路进行通道拼接后通过卷积操作,每次的卷积核大小均设置为3×3,步长均设置为2;池化层有四路,一路是输入,另外三路的池化区域核的大小分别为5×5、9×9、13×13,步长均设置为2,且均采用最大池化的方式,将四路结构拼接后进行卷积操作,卷积核大小为3×3,步长为2,归一化处理是对每一批数据进行归一化,所用的处理方法是min-batchSGD;所述特征增强模块共21层,其结构依次为:第六卷积层→第一上采样层→第一通道拼接层→第六CSP层→第七卷积层→第二上采样层→第二通道拼接层→第七CSP层→第八卷积层→第三上采样层→第三通道拼接层→第八CSP层→第九卷积层→第四通道拼接层→第九CSP层→第十卷积层→第五通道拼接层→第十CSP层→第十一卷积层→第六通道拼接层→第十一CSP层;其中第六卷积层、第七卷积层和第八卷积层的卷积核大小均为1×1,步长均为1,第九卷积层、第十卷积层和第十一卷积层的卷积核大小均为3×3,步长为2;每一个CSP层的结构和特征提取模块中CSP层的结构相同,第一通道拼接层的输入是第一上采样层和第四CSP层的输出,第二通道拼接层的输入是第二上采样层和第三CSP层的输出,第三通道拼接层的输入是第三上采样层和第二CSP层的输出,第四通道拼接层的输入是第八卷积层和第九卷积层的输出;所述识别和定位模块共4层,其结构为四个卷积层,分别是:第十二卷积层、第十三卷积层、第十四卷积层、第十五卷积层;其中第十二卷积层、第十三卷积层、第十四卷积层、第十五卷积层的输入分别接第八CSP层、第九CSP层、第十CSP层和第十一CSP层的输出,每一层的卷积核的个数分别设置为256,512,768,1024,卷积核的大小均设置为1×1,步长均设置为1;步骤2,生成目标检测训练集所述目标检测训练集由多张含有目标的待检测图片组成,每张待检测图片中的目标均进行标注,所述标注,是标注出目标所在的每个外接矩形框的各顶点坐标和其代表的类别;步骤3,训练所述卷积神经网络步骤4,对待检测目标进行检测将含有待检测目标的图片输入训练好的卷积神经网络,输出对图片中待检测目标的类别和目标所在的每个外接矩形框位置的检测结果。

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安电子科技大学;陕西方寸积慧智能科技有限公司,其通讯地址为:710071 陕西省西安市太白南路2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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。