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！

龙图腾网获悉辽宁工业大学申请的专利一种融合分类和回归概率分布的主动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：CN116051803B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211553405.9，技术领域涉及：G06V10/20；该发明授权一种融合分类和回归概率分布的主动目标检测方法是由曹玉东;廖鑫林;贾旭设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种融合分类和回归概率分布的主动目标检测方法在说明书摘要公布了：一种融合分类和回归概率分布的主动目标检测方法，属于计算机技术领域，YOLOX目标检测网络的改进，YOLOX目标检测网络损失函数的改写，主动学习采样策略与采样方式的设计，对挑选出来的未标注数据进行专家标注，将更新后的标注数据集重新训练更新检测网络的分类决策边界，并依据当前最优模型在测试集上的表现以及是否达到标注预算决定是否进行下一周期的迭代采样，利用最后得到的最优检测网络进行目标检测。大大减少了目标检测任所需的数据标注量，节省了标注成本，能有效挑选图像中分类和回归不确定度高的样本，有利于模型的性能的提升。

本发明授权一种融合分类和回归概率分布的主动目标检测方法在权利要求书中公布了：1.一种融合分类和回归概率分布的主动目标检测方法，其特征在于包括如下步骤： 步骤1，构建主动目标检测网络模型架构； 步骤2，初始数据准备：在未标注数据中选择标注初始数据集，然后标注测试集；确定主动学习每周期迭代采样未标注图像数量，然后再确定前景目标初始阈值；剩余未标注数据用于主动学习周期迭代采样； 步骤3，更新或初始化模型：使用初始数据集初始化模型或使用已有的标注数据更新检测网络的分类决策边界； 步骤4，评估模型：根据现有最优模型在测试集上的表现是否达标或主动学习标注量是否达到标注预算，判断是否继续进行主动学习；若继续则进入步骤5，否则使用当前周期最优模型进行检测； 步骤5，模型前向推理：将剩余的未标注数据通过步骤4中的最优检测网络前向推理得到检测网络输出特征图中每个特征点的回归方差、分类、回归和置信度结果； 步骤6，回归不确定度：将步骤5中分类和置信度的结果与前景目标阈值比较得到前景目标的信息，并以前景目标的回归方差作为前景目标的回归不确定度； 步骤7，分类不确定度：用步骤5中前景目标的最高分类得分减去次高分类得分得到分类不确定度； 步骤8，图像的不确定度：以步骤6中前景目标的回归不确定度和步骤7中的前景目标分类不确定度之和作为未标注图像中每个前景目标的不确定度，以未标注图像中每个前景目标的不确定度之和作为未标注图像的不确定度； 步骤9，主动标注：选择标注步骤8中不确定度最大的前k张未标注图像，k由步骤2中每周期采样未标注图像数量得到； 步骤10，数据更新：更新数据集和前景目标阈值，将步骤9中标注的图像从未标注集中去除，将步骤9中标注的图像加入到训练集并回到步骤3继续主动学习； 步骤1-1，针对图像特征提取部分，选取CSPDarknet-53作为特征提取骨干网络； 步骤1-2，针对特征融合部分，提取YOLOX主干网络最后三层卷积块的输出用于特征融合，选取PAFPN作为检测颈部特征融合的FPN； 步骤1-3，针对分类回归预测部分，选取混合密度网络MDN作为YOLOX检测头，分别选取高斯分布函数、二值交叉熵函数作为回归和分类损失函数，将上述改进的YOLOX重新命名为：高斯YOLOX； 高斯YOLOX回归损失函数为： 其中N代表SimOTA为输出特征图中前景目标中心对应的特征点匹配的正负样本预测框个数，代表高斯分布函数，k代表回归混合密度网络个数，πreg代表回归混合密度网络拟合的高斯混合模型的权重，μiou代表预测框与真实框的交并比IOU均值，∑reg代表预测框与真实框交并比的方差，ε代表保证对数数值稳定性的一个小正数，log为自然对数； 高斯YOLOX分类损失函数为： 其中N代表SimOTA为输出特征图中前景目标中心对应的特征点匹配的分类正负样本个数；k代表分类混合密度网络个数，πcls代表分类混合密度网络拟合的高斯混合模型的权重，ycls代表分类预测目标， 代表高斯分布函数，μcls代表分类高斯混合模型的均值，∑cls代表分类高斯混合模型的方差，log为自然对数； 置信度损失函数为： 其中N代表SimOTA为输出特征图中前景目标中心对应的特征点匹配的置信度正负样本个数，k代表置信度混合密度网络个数，πobj代表置信度混合密度网络拟合的高斯混合模型的权重，yobj代表置信度预测目标，μobj代表置信度高斯混合模型的均值，∑obj代表置信度高斯混合模型的方差，log为自然对数； 总损失函数为： L＝Lreg+Lcls+Lobj。

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辽宁工业大学，其通讯地址为：121001 辽宁省锦州市古塔区士英街169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”。