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！

龙图腾网获悉南京大学申请的专利一种适于隧道视角受限的目标深度学习视频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：CN115131742B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202110332618.8，技术领域涉及：G06V20/54；该发明授权一种适于隧道视角受限的目标深度学习视频检测方法是由阮雅端;王麟皇;孟凡泽;王翔;汪婧文;陈启美设计研发完成，并于2021-03-29向国家知识产权局提交的专利申请。

本一种适于隧道视角受限的目标深度学习视频检测方法在说明书摘要公布了：一种适于隧道视角受限的目标深度学习视频检测方法，包括以下步骤：step1：构建带有标注和标签的图片库作为网络模型的训练样本集；step2：构建网络模型：以SSD网络为基础构建检测网络，使用融入Mish激活函数和BN层的VGG‑16作为检测网络的backbone，使用跃层双向多尺寸特征融合作为检测网络的neck，检测网络的head使用SSD网络的head；step3：训练网络模型，训练过程中采用基于目标尺寸大小的自适应在线难分样本发掘，训练获得检测模型；step4：输入测试样本，通过训练好的检测模型预测出隧道图像中的目标位置及类别。本发明适用于隧道等视角受限、检测目标极小、存在环境干扰等场合的目标检测，具有良好的检测性能。

本发明授权一种适于隧道视角受限的目标深度学习视频检测方法在权利要求书中公布了：1.一种适于隧道视角受限的目标深度学习视频检测方法，其特征是包括以下步骤： step1：构建训练数据集：采集隧道内高清摄像头的视频图像，构建带有标注和标签的图片库作为网络模型的训练样本集，标注及标签即目标的目标框； step2：构建网络模型：以SSD网络为基础构建检测网络，使用融入Mish激活函数和BN层的VGG-16作为检测网络的backbone，使用跃层双向多尺寸特征融合作为检测网络的neck，检测网络的head使用SSD网络的head； step3：利用step1中的训练集训练step2中的网络模型，训练过程中采用基于目标尺寸大小的自适应在线难分样本发掘，训练获得检测模型；难分样本发掘具体为： step3.1：对训练样本集目标框的宽、高进行K-means聚类，根据聚类结果修改检测网络模型中预选框anchor的尺寸大小； step3.2：用数据集扩充方法对训练集做数据扩充，数据集扩充方法包括旋转、颜色变换、平移叠加、以及将4张图片分别缩小至四分之一后再拼凑成一整张图片； step3.3：基于目标尺寸大小的自适应在线难分样本发掘：将扩充后的训练集分batch，对每个batch中所有训练样本求其所有目标框的面积平均值每个预选框的面积Si除以得到损失放缩比例Ri，每个预选框的损失除以Ri后得到消除目标框面积影响的放缩损失，将所有预选框分为正负样本，分别按照放缩损失从大到小排序，得到正样本数量为m个，对所有正样本的损失计算反向传播，并取排序的前3*m个负样本计算反向传播，再将所有面积大于的负样本记为“大目标”组，剩下的负样本为“小目标”组，每组按照放缩损失排序，各取前m个负样本，共2m个负样本作为难分样本，用于下一个batch继续训练； 在Step3的训练中，采用基于目标尺寸的损失函数SIoU： 其中IoU为预选框和目标框的交并比，x、y、w、h分别为预选框的横坐标、纵坐标、宽、高，xbt、ybt、wbt、hbt分别为预选框的横坐标、纵坐标、宽、高； step4：输入测试样本，通过训练好的检测模型预测出隧道图像中的目标位置及类别。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。