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！

龙图腾网获悉东南大学申请的专利一种面向无人驾驶自学习目标识别的自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：CN116311147B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211707455.8，技术领域涉及：G06V20/58；该发明授权一种面向无人驾驶自学习目标识别的自优化方法是由耿可可;柳智超;殷国栋;王金湘;张宁;庄伟超设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种面向无人驾驶自学习目标识别的自优化方法在说明书摘要公布了：本发明公开了一种面向无人驾驶自学习目标识别的自优化方法，涉及计算机视觉技术领域，解决了无人驾驶技术中目标识别网络训练过程不够稳定和识别结果实时性、准确性不足的技术问题，其技术方案要点是通过改进的CycleGAN网络进行数据扩充，再对YOLOv3网络结构和损失函数进行改进，并利用一系列改进的CutMix数据增强、模拟退火和Dropblock算法对训练方式进行优化，增强模型的泛化性能；同时提高了目标识别算法的实时性和准确率，解决了车载处理器算力低的问题。

本发明授权一种面向无人驾驶自学习目标识别的自优化方法在权利要求书中公布了：1.一种面向无人驾驶自学习目标识别的自优化方法，其特征在于，包括： S1：对目标检测错误对应的n帧车载相机所采集的图片进行保存； S2：将所述图片输入到改进的CycleGAN网络进行数据扩充，得到扩充样本； S3：对用于目标检测的YOLOv3网络的骨干网络和损失函数进行优化，得到第一YOLOv3网络； S4：通过改进的CutMix数据增强、模拟退火和Dropblock算法对所述第一YOLOv3网络的训练方式进行优化，得到第二YOLOv3网络； S5：将所述扩充样本输入至所述第二YOLOv3网络进行训练，得到更新后的第三YOLOv3网络，通过所述第三YOLOv3网络进行目标检测，重复步骤S1至S5，直至自优化完成； 其中，步骤S3中，包括： 仅通过骨干网络Darknet53的浅层特征层进行目标检测，将YOLOv3网络的骨干网络Darknet53优化成骨干网络Darknet-25，得到第一YOLOv3网络，则所述第一YOLOv3网络的损失函数表示为： LO,o,C,c,t,g＝λ1Lconfo,c+λ2LclaO,C+λ3Lloct,g； 其中， Lconf表示目标置信度损失；Lcla表示目标类别损失；Lloc表示目标类别损失；λ1、λ2、λ3均表示平衡系数；oi∈{0,1}表示预测目标边界框i中是否真实存在目标，0表示不存在，1表示存在；表示预测目标矩形框i内是否存在目标的Sigmoid概率；Oij∈{0,1}表示预测目标边界框i中是否真实存在第j类目标，0表示不存在，1表示存在；表示预测目标边界框i内存在第j类目标的Sigmoid概率；tx,ty表示预测的关于中心坐标的偏移参数；tw,th表示预测的关于目标宽高的缩放因子；cx,cy表示对应GridCell的左上角坐标；pw表示对应Anchor模板的宽度，ph表示对应Anchor模板的高度；gx,gy表示GTBoxes中心点的坐标，gw表示GTBoxes模板的宽度，gh表示GTBoxes模板的高度。

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东南大学，其通讯地址为：210096 江苏省南京市江宁区东南大学路2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。