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！

龙图腾网获悉上海悠络客电子科技股份有限公司申请的专利基于进化神经网络架构搜索的目标检测模型构建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：CN116187179B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310086278.4，技术领域涉及：G06F30/27；该发明授权基于进化神经网络架构搜索的目标检测模型构建方法是由张浩宇设计研发完成，并于2023-02-01向国家知识产权局提交的专利申请。

本基于进化神经网络架构搜索的目标检测模型构建方法在说明书摘要公布了：本发明涉及一种基于进化神经网络架构搜索的目标检测模型构建方法，包括如下步骤：步骤S1，给定带有标签的目标检测数据集，将该目标检测数据集划分为训练数据集、验证数据集以及测试数据集，并将训练数据集以一定的比例划分为三个子训练数据集；步骤S2，定义超网络作为搜索空间和编码方案；步骤S3，构建多目标进化神经网络架构搜索算法；步骤S4，使用多目标进化神经网络架构搜索算法输出的最优整数序列激活超网络中对应的节点连接，解码为对应的主干网络结构并合入RetinaNet网络架构从而组成一个完整的目标检测模型；使用训练数据集并利用SGD优化器训练目标检测模型直至收敛；模型训练完成后，使用测试数据集测试模型的性能。

本发明授权基于进化神经网络架构搜索的目标检测模型构建方法在权利要求书中公布了：1.一种基于进化神经网络架构搜索的目标检测模型构建方法，其特征在于，包括如下步骤： 步骤S1，给定带有标签的目标检测数据集，将该目标检测数据集划分为训练数据集Dtrain、验证数据集Dval以及测试数据集Dtest，并将训练数据集Dtrain以一定的比例划分为三个子训练数据集Dtrain1、Dtrain2、Dtrain3； 步骤S2，定义超网络作为搜索空间和编码方案，具体为： 步骤S2-1，定义超网络作为搜索空间，所述搜索空间由normalcell和reductioncell组成，normalcell和reductioncell具有相同数量的计算节点，但内部节点的连接方式不同；normalcell中所有节点的步长为1，reductioncell中所有节点的步长为2；每个计算节点均可以选择任意前序节点相连，作为当前节点的输入；每个计算节点为二叉树结构，包含两个输入和一个输出，两个输入得到的特征图通过相加操作后输出；normalcell和reductioncell各包含两个输入节点，用于接收当前cell的输入； 步骤S2-2，对步骤S2-1所述的计算节点进行编码； 步骤S3，构建多目标进化神经网络架构搜索算法，具体为： 步骤S3-1，将normalcell和reductioncell依次相连，组成完整的神经网络； 步骤S3-2，使用ImageNet数据集对所述超网络进行预训练，直至收敛，保留超网络的网络模型权值； 步骤S3-3，将验证集Dval的MAP值作为候选目标检测模型的评估指标； 步骤S3-4，将超网络作为主干网络架构合入RetinaNet目标检测框架从而组成完整的目标检测模型，利用子训练数据集Dtrain1进一步训练至收敛； 步骤S3-5，随机生成M个整数基因序列，M为一个大于0的整数；每一个整数基因序列为一个目标检测模型的主干网络架构，FPN结构和RetinaNetHead结构固定不变；通过权值共享技术评估每个整数基因序列的适应度值； 步骤S3-6，将M个整数基因序列及其相应的适应度值整理为数据对，使用该数据对作为输入对MLP模型进行训练，将训练好的MLP模型作为性能预测器； 步骤S3-7，多目标进化算法初始化，初始化种群规模M、交叉概率Pc、变异概率Pm、最大进化代数G，以每个个体基于验证集Dval的loss值和模型的大小为优化目标； 步骤S3-8，随机初始化种群P，即随机生成N个整数基因序列，N为一个大于0的整数； 步骤S3-9，将种群P中的个体解码为对应的主干网络架构并合入RetinaNet框架，从而成为目标检测模型； 步骤S3-10，利用所述性能预测器对每个个体进行适应度值的评估，适应度值为每个个体基于验证集Dval的loss值； 步骤S3-11，基于当前种群P，利用锦标赛选择法选出两个个体作为父代个体； 步骤S3-12，根据交叉率Pc并利用单点交叉方法对两个所述父代个体的序列中执行交叉操作得到两个子代个体； 步骤S3-13，根据变异率Pm对子代种群中的个体序列中的某一计算模块进行替换或者删除； 步骤S3-14，重复步骤S3-11和S3-12，直到子代个体数量达到N个，组成子代种群Q； 步骤S3-15，用所述性能预测器对子代种群中的每个个体进行适应度值的评估，适应度值为每个个体基于验证集Dval的loss值； 步骤S3-16，将当前种群P和子代种群Q合并成包含2N个个体的种群作为中间种群，利用环境选择方法从该中间种群中选出适应度值排名前N个个体而组成下一代种群P；并反馈至步骤S3-9，直到达到预设的进化代数； 步骤S4，使用所述多目标进化神经网络架构搜索算法输出的最优整数序列激活所述超网络中对应的节点连接，解码为对应的主干网络结构并合入RetinaNet网络架构从而组成一个完整的目标检测模型；使用训练数据集Dtrain并利用SGD优化器训练目标检测模型直至收敛；模型训练完成后，使用测试数据集Dtest测试模型的性能。

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上海悠络客电子科技股份有限公司，其通讯地址为：201702 上海市青浦区徐泾镇华徐公路888号6幢；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。