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！

龙图腾网获悉西安电子科技大学申请的专利一种基于YOLOX轻量化及网络优化的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：CN116306813B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310212335.9，技术领域涉及：G06N3/0464；该发明授权一种基于YOLOX轻量化及网络优化的方法是由张文博;马梓益;姬红兵;李林;臧博;李斌设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本一种基于YOLOX轻量化及网络优化的方法在说明书摘要公布了：本发明公开了一种基于YOLOX轻量化及网络优化的方法，包括以下步骤；S1：在目标检测任务中，准备训练时所需的数据集；S2：在所述数据集上训练原始YOLOX神经网络模型，记录和评估模型的性能指标；S3：对原始YOLOX神经网络模型执行剪枝操作，生成剪枝后的改进YOLOX网络模型；S4：在数据集上训练生成剪枝后的改进YOLOX网络模型；S5：对改进YOLOX网络模型执行剪枝操作；S6：对改进剪枝后的改进YOLOX网络进行验证和分析，若能满足性能上的要求，则对目标进行检测分析；如不能满足性能要求，则调整改进模型，直至满足性能要求为止。本发明在目标检测中具有较高的检测精度和速度，更易于在实际应用场景中进行部署和集成，也使得模型的推理过程更加高效和稳定。

本发明授权一种基于YOLOX轻量化及网络优化的方法在权利要求书中公布了：1.一种基于YOLOX轻量化及网络优化的方法，其特征在于，包括以下步骤； S1：在目标检测任务中，准备训练时所需的数据集；所述数据集选取目标在不同场景、不同光照条件下的原始图像，通过对原始图像的预处理，以确保模型能够在各种环境下实现准确的目标检测； S2：在所述数据集上训练原始YOLOX神经网络模型，记录和评估模型的性能指标； S3：对原始YOLOX神经网络模型执行剪枝操作，生成剪枝后的改进YOLOX网络模型； S4：在数据集上训练生成剪枝后的改进YOLOX网络模型； S5：对改进YOLOX网络模型执行剪枝操作，进行进一步调整，以达到更高的检测精度和速度； S6：对改进剪枝后的改进YOLOX网络进行验证和分析，若能满足性能上的要求，则对目标进行检测分析；如不能满足性能要求，则调整改进模型，直至满足性能要求为止； 所述步骤S4改进YOLOX网络模型，包括下列步骤： 1在yolox主干层和数据增强层通道之间插入通道-空间注意力机制CBAM模块； 首先通过通道注意力机制，将输入的特征图分别进行平均池化和最大池化操作，实现聚合特征图的空间信息，生成的平均池化特征Favg和最大池化特征Fmax通过共享网络层，将共享网络应用到每个特征后，将平均池化特征和最大池化特征进行元素求和，并将合并的特征通过Sigmiod激活函数输出通道注意映射Mc；空间注意力沿着通道轴对特征图进行平均池化和最大池化操作，使特征图在通道维度上进行压缩，并将两个特征图在通道维度上进行拼接生成一个有效的特征图，随后经过7X7的卷积层；最后，通过Sigmiod函数操作得到最终的通道注意映射Ms； 2将原有的BCE交叉熵损失函数替换为VariFacalLoss损失函数；在替换BCE交叉熵损失函数为VariFocalLoss损失函数的过程中，需要修改模型的输出层，VariFocalLoss损失函数会引入一个可学习的指数γ，并且将损失函数的计算公式中的权重调整项进行了修改，从而更加注重难样本的学习，在改进YOLOX网络模型中，输出层通常包括分类分支和回归分支，在分类分支中，需要对每个目标进行分类，而在回归分支中，需要对每个目标进行位置信息的回归，将分类分支的输出先进行sigmoid函数的处理，然后再将其变成预测概率，根据这个概率来计算VariFocalLoss损失函数； 3对改进YOLOX网络模型进行训练； 4对训练好的模型执行剪枝操作，并评估模型剪枝后的性能指标。

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，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。