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！

龙图腾网恭喜国网福建省电力有限公司;国网福建省电力有限公司电力科学研究院申请的专利一种安监场景下图像识别模型构建方法及终端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：CN117173636B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202311242883.2，技术领域涉及：G06V20/52；该发明授权一种安监场景下图像识别模型构建方法及终端是由黄建业;吴飞;郑州;何德明;钱健;马腾;林晨翔;刘冰倩;谢炜;林爽;姚文旭;廖飞龙;杨彦设计研发完成，并于2023-09-25向国家知识产权局提交的专利申请。

本一种安监场景下图像识别模型构建方法及终端在说明书摘要公布了：本发明提供一种安监场景下图像识别模型构建方法及终端，构建前层网络模型；构建初始网络模型；在初始网络模型上采用多种类别的数据集训练得到全能网络模型；对全能网络模型进行锁定，并在全能网络模型前面拼接前层网络模型；对拼接后的全能网络模型进行微调，得到最终图像识别模型。本发明先构建前层网络模型并采用多种类别的大量安监数据集训练全能网络模型，采用对全能网络模型进行锁定、将前层网络模型拼接到全能网络模型前面的方式，不仅具备很强的迁移能力，能适应不同安监场景下的图像处理需求；同时修改方法时也无需重新训练整个模型，只需修改前层网络模型和微调，就可以直接应用于新的安监场景中，大大减少计算资源。

本发明授权一种安监场景下图像识别模型构建方法及终端在权利要求书中公布了：1.一种安监场景下图像识别模型构建方法，其特征在于，包括步骤：S1、构建前层网络模型；S2、构建初始网络模型；S3、在所述初始网络模型上采用多种类别的数据集训练得到全能网络模型；进行所述全能网络模型训练的数据集按照不同的实务分类合并相同语义的标签，不同语义的标签代表一个分类框；S4、对所述全能网络模型进行锁定，并在所述全能网络模型前面拼接所述前层网络模型；S5、对拼接后的所述全能网络模型进行微调，得到最终图像识别模型；所述步骤S1具体为：构建由两个卷积网络层组成的前层网络模型LowTastNet，并在两个卷积网络层之间增加一特殊算子层，所述特殊算子层的算子如下公式（1）： （1）；其中，x为一个实数，signx的值为1、-1或0，分别表示x的正负性和是否为0，relux=max0,x，表示激活函数；所述步骤S2具体为：构建由五个单一卷积网络层、一个矩阵卷积网络层、三个最大化池化层和一个通用检测头组成的初始网络模型GenpNett；定义所述初始网络模型包括第0~9共十层，其中五个单一卷积网络层分别位于所述初始网络模型的第0、2、4、5和6层，一个矩阵卷积网络层位于所述初始网络模型的第3层，三个最大化池化层分别位于所述初始网络模型的第1、7和8层，一个通用检测头位于所述初始网络模型的第9层；定义五个单一卷积网络层和一个矩阵卷积网络层的算子均为Conv2d；定义三个最大池化层的算子均为maxpool；定义一个通用检测头的算子为Detect；所述步骤S3中的所述多种类别数据集包括COCO数据集、PascalVOC数据集、ImageNet数据集、KITTI数据集、OpenImages数据集、SUN数据集、Cityscapes数据集、DOTA数据集和VisDrone数据集；所述步骤S4具体为：S41、在训练所述初始网络模型时设置所述初始网络模型的参数权重不可基于梯度修改，但能够进行梯度传播，对所述全能网络模型进行锁定；S42、在锁定后的所述全能网络模型前面拼接所述前层网络模型，将图像特征F0输入到所述前层网络，得到特征F1，再将F1输入到所述全能网络模型，所述全能网络模型负责输出分类和框。

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国网福建省电力有限公司;国网福建省电力有限公司电力科学研究院，其通讯地址为：350003 福建省福州市鼓楼区五四路257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”。