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！

龙图腾网获悉北京工业大学申请的专利一种基于anchor-free的域适应目标检测装置、目标检测方法及系统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：CN117197670B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202311153441.0，技术领域涉及：G06V20/10；该发明授权一种基于anchor-free的域适应目标检测装置、目标检测方法及系统是由张文利;郑超;王陈惠子设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本一种基于anchor-free的域适应目标检测装置、目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于anchor‑free的域适应目标检测模型，包括基于双预测层的前景域适应结构以及基于样本分配的背景域适应结构；本发明还公开了一种检测方法，包括：构建基于anchor‑free的域适应目标检测模型；将已标注目标域仿真目标数据集作为域适应目标检测模型训练输入，获得用于对无标注目标域真实目标图像进行检测的预训练域适应目标检测模型；已标注目标域仿真目标数据集与无标注目标域真实目标图像存在域差异；基于将无标注目标域真实目标图像输入预训练域适应果实检测模型后，获得目标检测结果；对无标注目标域真实目标图像与目标的检测结果进行处理，生成并输出已标注目标域真实目标数据集。本发明还公开了对应的系统、电子设备以及计算机可读存储介质。

本发明授权一种基于anchor-free的域适应目标检测装置、目标检测方法及系统在权利要求书中公布了：1.一种基于anchor-free的域适应目标检测装置，其特征在于，包括： 基于双预测层的前景域适应结构以及基于样本分配的背景域适应结构；其中： 所述基于双预测层的前景域适应结构基于anchor-free检测方法和多尺度检测构建，用于提取图像中目标的尺度特征并自适应生成检测框以跨越前景域差异，所述双预测层包括深预测层和浅预测层；所述anchor-free检测方法由anchor-free检测器执行，包括基于中心点定位目标从而生成针对每个目标的检测框；所述基于双预测层的前景域适应结构包括：1建立CenterNet基线模型；2针对目标尺度特点对CenterNet基线模型的网络颈部进行改良获得第一适应结构，包括：修改CenterNet基线模型网络颈部的输入特征图，包括：在颈部输入部分的网络颈部输入特征图中增加了来自主干网络更浅一层的特征图，删掉最深一层的特征图；在CenterNet基线模型网络颈部输出的预测特征图中增加所述深预测层和所述浅预测层形成改进后的颈部内部特征融合结构和颈部预测层输出，从而针对所述深预测层和所述浅预测层输出两个对应的预测特征图作为所述第一适应结构，所述第一适应结构用于不同尺度目标的检测；3对所述第一适应结构实施基于目标尺度特征泛化的裁剪形成裁剪后的网络颈部结构，基于所述裁剪后的网络颈部结构形成所述基于双预测层的前景域适应结构，其中所述基于目标尺度特征泛化的裁剪包括：裁剪由浅向深融合部分，保留由深向浅融合部分的迭代聚合式结构，构建网络颈部与网络颈部输出的预测特征图，从而形成所述基于双预测层的前景域适应结构； 所述基于样本分配的背景域适应结构通过基于样本分配的背景域适应策略，调整所述装置中正负样本分配以跨越背景域差异； 所述基于样本分配的背景域适应结构包括： 1设置热力图分支中改进的正负样本标签分配策略；并基于所述改进的正负样本标签分配策略学习目标的前-背景特征；其中所述改进的正负样本标签分配策略为基于热力图的正样本点扩充策略； 2设置与所述基于热力图的正样本点扩充策略相应的损失函数，所述损失函数为连续型标签值损失函数。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。