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！

龙图腾网获悉杭州电子科技大学申请的专利基于正负样本采样比和模型微调的目标检测优化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：CN111797905B 。

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：202010537789.X，技术领域涉及：G06V10/764；该发明授权基于正负样本采样比和模型微调的目标检测优化方法是由杭丽君;丁明旭;叶锋;宫恩来设计研发完成，并于2020-06-12向国家知识产权局提交的专利申请。

本基于正负样本采样比和模型微调的目标检测优化方法在说明书摘要公布了：本发明公开了一种基于正负样本采样比和模型微调的目标检测优化方法，包括以下步骤：步骤1设计整体网络架构；步骤2训练模型；步骤3验证模型并采取不同的优化措施；步骤4以固定正负样本比例注入负样本的优化措施；步骤5对不同尺度目标检测的优化措施。本发明实施例针对深度学习方案构建的检测器存在的检测精度以及检测速度两方面做出了优化。在检测速度性能良好的单步网络SSD架构中引入FPN网络实现更高精度的多尺度检测效果。其后采用固定正负样本比例的方式注入更多类别的负样本，并针对不同尺度大小的目标进行相适应的固定网络参数和微调的措施，实现对于整体检测架构的优化。

本发明授权基于正负样本采样比和模型微调的目标检测优化方法在权利要求书中公布了：1.一种基于正负样本采样比和模型微调的目标检测优化方法，其特征在于，包括以下步骤： 步骤1）设计整体网络架构：使用检测速度性能优异且具有良好的检测精度的单步网络架构SSD作为基础网络，在此基础上，引入FPN结构对检测架构进行创新，实现高精度的多尺度检测效果；其中引入FPN结构对检测架构进行创新包括：使用18，116，132的尺度作为检测器的输入层，基础网络输出132的特征图作为其中的一个检测输入特征，然后使用反卷积操作扩大特征图的尺度，再将扩大之后的特征图与原始的116的特征图进行特征融合，将融合之后的特征作为检测器的输入特征；然后将融合之后的特征再进行反卷积操作，与原始的18的特征图进行融合，将融合之后的18的特征图作为检测器的输入特征层； 步骤2）训练模型：使用ImageNet数据训练的基础模型的参数作为模型训练的初始参数，并在此基础上进行微调，其后使用验证集调节模型的超参数，从而确定出最终检测器的最优超参数；在模型训练中，使用模型的初始化学习率为10e-4，每次迭代20个epoch，学习率降低为原来的110； 步骤3）验证模型并采取不同的优化措施：使用测试数据验证训练好的模型的性能，对模型的检测效果进行可视化，并对存在漏检与误检的图片进行分析，其后针对不同情况的漏检以及不同场景的误检采取不同的优化措施，实现对目标检测效果的针对性优化； 步骤4）以固定正负样本比例注入负样本的优化措施：针对步骤3）中的误检情况进行优化，使用被误检的目标类别作为负样本进行优化，并确保采样得到的正负样本数据与原始的没有添加负样本数据的正负样本的比例保持一致，实现负样本的种类增加，并且正负样本的比例不变；从而避免负样本过多，导致模型的优化方向朝着倾向于负样本的的方向进行更新； 步骤5）对不同尺度目标检测的优化措施：针对步骤3中的漏检情况，对漏检的目标的尺度进行分析，相对于特征图的大小进行匹配，如果是小目标的漏检，则固定网络中的高层结构的参数，使用数据增强的方式生成大量的小目标，来微调网络的底层结构，实现底层更好的提取小目标的特征信息；如果漏检测的是大目标，则使用数据增强生成大目标的图片，固定底层网络参数，不再进行训练学习，微调高层网络结构中的参数，实现网络更好的对大目标的检测。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区；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”。