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！

龙图腾网获悉中国科学技术大学申请的专利一种基于随机不确定性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：CN117058476B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310778187.7，技术领域涉及：G06V10/774；该发明授权一种基于随机不确定性的目标检测方法是由赵峰;郭雪松设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种基于随机不确定性的目标检测方法在说明书摘要公布了：本发明涉及目标检测领域，具体涉及一种基于随机不确定性的目标检测方法。该方法将待识别图像输入构建的目标检测模型，得到图像中物体的类别及坐标，目标检测模型的训练包括以下步骤：将训练数据提取原始分类特征与原始回归特征并输入到自适应特征对齐模块得到优化分类特征；根据原始回归特征计算检测框坐标的一般分布和检测框坐标的确定值；将原始回归特征、优化分类特征、检测框坐标的确定值，输入到预测框加权平均模块得到优化的检测框坐标；将优化分类特征和检测框坐标的一般分布，输入到目标类别预测网络得到优化的类别分数；根据损失函数训练目标检测模型。本发明能够提升在复杂场景下的检测精度，预测出高质量的检测框。

本发明授权一种基于随机不确定性的目标检测方法在权利要求书中公布了：1.一种基于随机不确定性的目标检测方法，构建一个目标检测模型，将待识别图像输入目标检测模型，输出图像中物体的类别及坐标，目标检测模型的训练包括以下步骤： 步骤一，准备图像数据进行目标类别及类别分数标注、检测框坐标标注，将标注过的图像预处理后作为训练数据； 步骤二，将训练数据输入特征提取网络提取其空间语义特征； 步骤三，将空间语义特征分别输入到分类分支特征提取网络和回归分支特征提取网络得到原始分类特征与原始回归特征； 步骤四，将原始分类特征与原始回归特征输入到自适应特征对齐模块得到优化分类特征，具体包括： 将原始回归特征输入到卷积层，生成随机偏移量； 将随机偏移量和原始分类特征进行随机采样操作，得到对齐的分类特征： ； 其中，为卷积采样点个数，表示当前卷积核中心点所在位置，是卷积在特性图上的采样位置集合，表示上的每个位置，表示位置学习到的偏移量，表示卷积核上位置的权重; 将原始分类特征和对齐的分类特征进行融合，得到优化分类特征: ； 其中，表示原始分类特征系数； 步骤五，根据原始回归特征计算检测框坐标的一般分布和检测框坐标的确定值； 步骤六，将原始回归特征、优化分类特征、检测框坐标的确定值，输入到预测框加权平均模块得到优化的检测框坐标； 步骤七，将优化分类特征和检测框坐标的一般分布输入到目标类别预测网络得到优化的类别分数； 步骤八，根据分类损失函数FocalLoss和回归损失函数GIoULoss训练目标检测模型，直到达到预设的训练完成条件。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。