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！

龙图腾网获悉同济大学申请的专利一种增强目标检测分支对齐的目标检测模型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：CN119380097B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411505556.6，技术领域涉及：G06V10/764；该发明授权一种增强目标检测分支对齐的目标检测模型是由赵卫东;陈健;柳先辉;贾宁设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种增强目标检测分支对齐的目标检测模型在说明书摘要公布了：本发明公开了一种增强目标检测分支对齐的方法。首先，本发明通过对目标检测中的检测头进行结构优化，在保持各自分支功能重点的同时，增强了独立平行分支之间的信息交流。其次，通过重新设计损失函数，使模型能够专注于那些回归表现良好但分类表现较差的样本，进而提升模型在捕获一致性关键特征方面的能力。本发明为多场景下的目标检测提供了一种通用解决方案，有效解决了预测结果中定位准确但分类不准确的问题，进一步提升了目标检测的整体性能。

本发明授权一种增强目标检测分支对齐的目标检测模型在权利要求书中公布了：1.一种增强目标检测分支对齐的目标检测模型，其特征在于，包括以下模块：特征提取模块、特征整合模块、结果预测模块和模型优化模块； 所述特征提取模块通过骨干网络，从输入图像中提取目标检测模型处理的高低维深度特征；提供给特征整合模块； 所述特征整合模块将提取的不同层次的特征信息进行优化组合，增强不同尺度物体的表征； 所述结果预测模块根据整合后的特征进行物体位置和相应类别的预测，获得结果；结果预测模块包括回归分支和分类分支，回归分支用于预测目标的位置，分类分支则负责预测目标的类别；引入一层动态卷积层用于计算回归分支和分类分支的全部特征，然后结果分别传递到回归和分类链路中的后续卷积层中，进行特征的强化； 所述模型优化模块根据预测结果和物体真实值进行比对，计算损失值，对模型参数进行优化； 在经过特征整合模块的特征整合后，所述结果预测模块负责对整合后的特征进行目标位置和类别的最终预测； 特征整合模块获得特征输出用来表示，从中提取子任务特征来得到和，该过程可表示为，其中和中分别表示第i个卷积层后获得的特征，下标cls和reg分别表示对应的分类分支还是回归分支；和表示多个堆叠的3x3卷积； FNeck分别经过分类和回归各自2层3x3的普通卷积，随后其分类和回归两组输出特征通过进行特征整合，整合后的特征一同输入给共享参数的动态卷积层并获得相应输出，其对应的输出分别经过分类和回归的各自单层3x3卷积层，以上过程可以表示为： ， 其中，表示动态卷积； 最后再分别通过一层卷积来调整通道数以获得最终的输出和；并计算交并比IoU和预测得分p，用于评估模型在回归和分类任务上的表现。

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同济大学，其通讯地址为：200092 上海市杨浦区上海市四平路1239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”。

以上内容由龙图腾AI智能生成。