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！

龙图腾网获悉江南大学申请的专利一种基于YOLOX模型的复杂道路场景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：CN117237612B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202311315741.4，技术领域涉及：G06V10/25；该发明授权一种基于YOLOX模型的复杂道路场景目标检测方法是由陶洪峰;沈凌志;孙亚伟;王玥设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。

本一种基于YOLOX模型的复杂道路场景目标检测方法在说明书摘要公布了：本发明公开了一种基于YOLOX模型的复杂道路场景目标检测方法，涉及道路目标检测技术领域，针对目标检测算法在目标距离较远、车辆行人遮挡严重以及光线不均匀情况下存在的漏检和检测精度不高的问题，本发明设计了一种高性能的下采样模块，保留了高质量的融合语义特征，再将检测头换为解耦任务对齐检测头，提高网络输出的交互性。此外，设计了SGIOU损失函数，提升网络在训练过程中对边界框形状的关注，并采用动态成本函数合理规划网络在不同训练阶段的关注点。该方法显著减少了网络运算开销和训练参数量，并且改善了算法对复杂道路场景下的目标的检测性能。

本发明授权一种基于YOLOX模型的复杂道路场景目标检测方法在权利要求书中公布了：1.一种基于YOLOX模型的复杂道路场景目标检测方法，其特征在于，所述方法包括： 第一步：获取不同场景下的道路图片，对图片大小进行统一缩放并对像素值进行归一化处理，以构建数据集； 第二步：按照预定比例将所述数据集划分成训练集和测试集； 第三步：构建TA-YOLOX模型，该模型包括特征提取网络、特征融合网络和解耦任务对齐检测头，其中：所述特征提取网络选用darknet53网络，并使用残差连接的方法；所述特征融合网络采用特征金字塔网络对高低维特征进行融合，并采用EMP模块作为下采样模块；所述解耦任务对齐检测头使用ESE模块学习所述特征融合网络输出的特征并学习其中的细粒度特征，再分别输出至定位任务输出层和分类任务输出层； 所述EMP模块包括两条支路，一条支路设有最大池化层，另一条支路设有CBS模块，两条支路经过张量拼接后进入CBS模块；所述CBS模块包括依次相连的卷积层、批归一化层和Silu激活函数； 所述ESE模块通过一个全局平均池化后再经过一个全连接层，最后再通过Sigmoid激活函数后的结果与输入至ESE模块的特征图进行逐元素相乘操作，以提高定位任务和分类任务输出结果的匹配度； 第四步：将所述训练集输入到所述TA-YOLOX模型进行训练，包括： 加载特征提取网络的预训练权重，并固定darknet53的权重，初始化特征融合网络以及解耦任务对齐检测头的参数，再将训练集图片按批次输入到所述TA-YOLOX模型中； 将回归预测输出的预测边界框按比例缩放，再对所有的预测边界框进行非极大值抑制，去除冗余的边界框；采用动态成本函数进行正负样本分配，合理规划网络在不同训练阶段的关注点； 以为损失函数计算损失函数值并对未冻结的网络部分更新权重，采取余弦退火学习率进行训练，学习率以迭代总次数为半个周期按余弦曲线变化； 重新执行所述加载特征提取网络的预训练权重的步骤，直至达到所述迭代总次数； 第五步：输出训练好的TA-YOLOX模型用于道路目标检测，利用所述测试集进行模型测试，得到平均准确率、召回率和每秒检测数量，最终实现复杂道路目标的跨尺度检测。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。