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！

龙图腾网获悉南京信息工程大学申请的专利一种基于改进YOLOv8的人脸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：CN120088835B 。

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：202510294889.7，技术领域涉及：G06V40/16；该发明授权一种基于改进YOLOv8的人脸目标检测方法是由仲坤;龚祯祥;梅先龙;张骜丹;颜邢设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种基于改进YOLOv8的人脸目标检测方法在说明书摘要公布了：本发明提供了一种基于改进YOLOv8的人脸目标检测方法，包括：对人脸数据集进行预处理，构建并训练改进后的YOLOv8网络模型，将待检测图像输入模型得到预测结果；改进后的YOLOv8网络模型包括骨干网络、颈部网络和头部网络；骨干网络包括原模型的卷积模块CBS和特征融合模块C2f，引入可变形的注意力机制DAttention改进骨干网络中的特征融合模块C2f，替换最后一层的C2f，使用基于注意力的尺度内特征交互网络替代空间金字塔池化模块，并通过角度约束损失函数优化边界框损失函数。本发明有效提升了人脸目标检测任务的精度，特别是对密集小人脸图像检测，减少了目标漏检错检的问题。

本发明授权一种基于改进YOLOv8的人脸目标检测方法在权利要求书中公布了：1.一种基于改进YOLOv8的人脸目标检测方法，其特征在于，包含以下步骤： 步骤1，使用人脸数据集，如果所述人脸数据集已提供训练集与验证集，则直接挑选出训练集与验证集待用，否则按比例划分出训练集与验证集，将训练集和验证集的全部标签转换为YOLO格式，并全部归于face类别，即人脸类别； 步骤2，构建并训练改进后的YOLOv8网络模型，所述改进后的YOLOv8网络模型包括骨干网络、颈部网络和头部网络； 将训练集图像经过预处理后输入骨干网络，得到三种不同尺寸的特征图； 通过注意力加权特征融合模块C2f_DA和基于注意力的尺度内特征交互模块AIFI对骨干网络进行重构，重构后的骨干网络包括卷积模块、特征融合模块、注意力加权特征融合模块和尺度内特征交互模块； 所述注意力加权特征融合模块先通过卷积初步处理输入数据，再分割数据送入两个以上融入可变形注意力机制DAttention的残差块，实现不同层次的注意力加权和特征融合，最后将残差块的输出进行拼接； 步骤3，将所述三种不同尺寸的特征图输入颈部网络，并基于特征金字塔网络FPN和路径聚合网络PAN，以自下而上和自顶向下两种方式进行特征融合，得到融合后的特征图； 步骤4，使用头部网络中的检测头对融合后的特征图进行预测，生成目标的类别和边界框的位置，并利用非极大抑制NMS去除重叠的预测框，得到最终检测结果；在训练过程中同步使用验证集进行验证，每轮训练结束后计算模型评价指标，并基于模型评价指标选择模型权重； 步骤4中，得到经过非极大抑制NMS筛选的预测框后，计算预测框和真实框之间的损失值，所述损失值包括目标分类损失和边界框回归损失；其中，设计了跨空间平移的角度约束交并比损失TAIoU，以优化边界框回归损失，TAIoU的公式为： ， 所述TAIoU包括平移敏感的角度约束损失函数TSACLoss和交并比指标IoU；其中，所述平移敏感的角度约束损失函数TSACLoss的公式为： ， ， ， 其中，表示角度损失，表示预测框与真实框的宽度差异，和分别表示真实框左上角的顶点和左下角的顶点，和分别表示预测框左上角的顶点和左下角的顶点，是点和点垂直距离差，是点和点垂直距离差，表示平移距离d后由点到点的向量，表示平移距离d后由点到点的向量，表示平移距离d后由点到点的向量，是真实框的宽度，TSACLoss是角度约束损失值；K表示当前批次中预测框的数量。

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南京信息工程大学，其通讯地址为：211806 江苏省南京市浦口区双峰路69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。