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！

龙图腾网获悉中国人民解放军陆军工程大学申请的专利基于神经架构搜索的跨尺度自适应目标检测方法、设备和介质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：CN116433972B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310336681.8，技术领域涉及：G06V10/764；该发明授权基于神经架构搜索的跨尺度自适应目标检测方法、设备和介质是由苗壮;杨利;王家宝;李阳;张睿;余沛毅;李允臣;齐宁设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本基于神经架构搜索的跨尺度自适应目标检测方法、设备和介质在说明书摘要公布了：本发明公开了一种基于神经架构搜索的跨尺度自适应目标检测方法、设备和介质，获取全场景数据集，并将全场景数据集划分成八个子类数据集；将实现各个检测任务的功能模块单元嵌入到已有的目标检测模型中，并利用对应的子类数据集和损失函数对嵌入后的目标检测模型进行训练，获得八个与子类数据集一一对应的最佳目标检测模型；对新输入的图像进行判断，将新输入的图像划归到某个子类数据集，根据子类数据集选取对应的最佳目标检测模型，输出目标检测结果。本发明能够避免由于场景数据分布变化而依靠单一固有检测网络造成的性能下降，解决神经架构搜索方法难以扩展至目标检测领域的不足，从而实现多场景、全尺度、高精度目标检测任务的达成。

本发明授权基于神经架构搜索的跨尺度自适应目标检测方法、设备和介质在权利要求书中公布了：1.一种基于神经架构搜索的跨尺度自适应目标检测方法，其特征在于：包括如下步骤： 步骤1：获取全场景数据集，并将全场景数据集划分成八个子类数据集； 所述将全场景数据集划分成八个子类数据集，包括： 设定图像中关于目标的三个维度，分别是：疏集程度、尺度大小和与背景对比度； 每个维度设定两个标准，分别是：疏集程度为稠密、稀疏，尺度大小为大尺度、小尺度，与背景对比度为明亮、阴暗； 根据三个维度和各维度的两个标准，将全场景数据集划分成八个子类数据集，分别是：稠密、小尺度目标的阴暗图像，稠密、小尺度目标的明亮图像，稠密、大尺度目标的阴暗图像，稠密、大尺度目标的明亮图像，稀疏、小尺度目标的阴暗图像，稀疏、小尺度目标的明亮图像，稀疏、大尺度目标的阴暗图像和稀疏、大尺度目标的明亮图像的八个子类数据集； 步骤2：将八个子类数据集中各个子类数据集作为训练集，利用神经架构搜索获得实现各个检测任务的功能模块单元； 步骤3：将实现各个检测任务的功能模块单元嵌入到已有的目标检测模型中，得到嵌入后的目标检测模型，并利用对应的子类数据集和损失函数对嵌入后的目标检测模型进行训练，获得八个与子类数据集一一对应的最佳目标检测模型； 所述损失函数，包括： ； 式中，表示和之间的权重，表示真实标签与搜索预测之间的损失函数，表示真实标签值，表示第层特征输入，表示第层预测的输出，函数表示网络延迟函数，n代表特征提取层的数量，表示权重参数集合，表示训练最优参数； 所述目标检测模型的权重参数和训练最优参数采用批量随机梯度下降算法训练，其中参数更新规则如下： ； ； 式中，为第+1次迭代时的参数值，为第次迭代时的参数值，为目标损失对参数的偏导数，为第+1次迭代时的参数值，为第次迭代时的参数值，为目标损失对参数的偏导数，为学习率； 步骤4：对新输入的图像进行判断，将新输入的图像划归到某个子类数据集，根据子类数据集选取对应的最佳目标检测模型，将新输入的图像输入最佳目标检测模型，输出目标检测结果。

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中国人民解放军陆军工程大学，其通讯地址为：210014 江苏省南京市秦淮区后标营路88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。