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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于背景信息补偿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：CN115861730B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211387235.1，技术领域涉及：G06V10/774；该发明授权一种基于背景信息补偿的目标检测方法是由马春波;钱黎金;敖珺设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本一种基于背景信息补偿的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背景信息补偿的目标检测方法，包括采集数据，构建数据集；标注数据集，训练集占81%，验证集占9%，测试集占10%；搭建目标检测网络，目标检测网络分为训练网络和测试网络；训练网络：使用训练集和验证集对训练网络进行训练；目标检测测试，并对物种进行检测。本发明在一阶段目标检测算法YOLOv3上进行改进，将第轮训练得到的模型信息对第轮训练过程中的背景知识进行弥补。本发明能够在复杂的环境中，有效地针对生物的特点进行目标识别定位；在进行目标检测任务时，具有一定的稳定性，能够在一定程度上提高检测网络的识别生物物种的准确度。

本发明授权一种基于背景信息补偿的目标检测方法在权利要求书中公布了：1.一种基于背景信息补偿的目标检测方法，其特征在于，包括如下步骤： 步骤1，采集数据，构建数据集： 确定所需要检测的物种，采集相应的物种的照片，构建检测任务所需的数据集； 步骤2，标注数据集： 对采集到的数据集进行标注，生成视觉挑战赛数据集标注格式的数据集，使训练集占81%，验证集占9%，测试集占10%； 步骤3，搭建目标检测网络： 目标检测网络分为训练网络和测试网络： 测试网络由原始的YOLOv3网络构成，该网络由主干网络、特征融合网络和检测头组成，主干网络采用的是Darknet-53，作用是提取特征，形成不同尺寸大小的特征图；特征融合网络将主干网络中提取到的不同尺度大小的特征图进行特征融合；检测头由融合后的特征图在经过卷积形成，在检测时，只需将图像输入到主干网络中，最后在检测头中对目标进行检测； 训练网络是在YOLOv3训练网络的基础上进行更改，在第轮训练时，将第轮训练得到的模型信息反馈到第轮的训练上，而反馈的第轮训练得到的模型信息可以弥补第轮训练时，对图像背景信息的忽视，以此来提高第轮模型的拟合能力，同时达到一个部分自监督的目的； 步骤3中反馈的模型信息包括如下步骤： 第轮训练网络得到三个预测头，和的特征图，的大小为，的大小为，的大小为，其中是特征图的通道数，是根据检测目标的种类确定的，因此，和的特征图大小统一记为，表示为，即，其中代表第轮训练时第个特征图的宽，取1、2或3；代表第轮训练时第个特征图的长，计算公式表示为： ， 式中的3代表每个目标的确定会生成3个锚框，4代表锚框的中心点坐标和锚框的长宽共四个参数，1代表锚框的置信度，表示检测目标的种类数目； 第轮训练得到的模型预测时得到的三个预测头记为，和，将预测头的三个特征图，和统一记为，即，其中代表利用第轮训练得到的模型预测时的第个特征图的宽，取1、2或3；代表利用第轮训练得到的模型预测时的第个特征图的长； 提取中相关的背景知识用来辅助对背景知识的关注，包括： 先提取每个通道上的最大值和均值作为通道的代表，分别用如下公式表示： ， 同时对于，每个通道上的最大值和均值，依然有以下公式： 同时原始YOLOv3网络在训练时的损失函数记为，将改进后的目标检测网络的损失函数记为，表示为下面的表达式： 上述表达式中是平衡系数，取值范围为；是当前训练系数，为正整数；是实验过程中总的训练次数，为正整数；表示KL散度；是自定义系数，取值范围表示为，N+表示正整数；l1表示为提供背景知识的多少；l2表示为提供背景知识的多少； 步骤4，训练网络： 使用步骤2中所述的训练集和验证集对步骤3中的训练网络进行训练； 步骤5，目标检测测试： 使用步骤4中已经训练好的网络，对步骤2中的测试集进行测试检验训练结果，并对步骤1中的物种进行检测。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。