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！

龙图腾网获悉江汉大学申请的专利目标识别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：CN115937653B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211727593.2，技术领域涉及：G06V10/82；该发明授权目标识别方法是由梅磊;程闯;谭昕;轩亮设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本目标识别方法在说明书摘要公布了：本发明属于人工智能与计算机视觉识别技术领域，涉及一种目标识别方法，包括：1确定待识别目标并获取待识别目标的图像数据集；2构建整体目标识别定位网络，整体目标识别定位网络包括主干特征提取网络以及置于主干特征提取网络之后的加强特征提取网络DFPNet；3利用标准数据集MSCOCO对整体目标识别定位网络进行预训练，生成预训练权重；4基于待识别目标的图像数据集以及预训练权重对加强特征提取网络DFPNet进行训练，生成最终网络预测权重；5利用最终网络预测权重对待识别目标进行识别及定位。本发明提供了一种可实现目标检测精度的性能优化的基于卷积神经网络模型的目标识别方法。

本发明授权目标识别方法在权利要求书中公布了：1.一种目标识别方法，其特征在于：所述目标识别方法包括以下步骤： 1确定待识别目标，同时获取待识别目标的图像数据集； 2构建整体目标识别定位网络，所述整体目标识别定位网络包括主干特征提取网络以及置于主干特征提取网络之后的加强特征提取网络DFPNet； 3利用标准数据集MSCOCO对整体目标识别定位网络进行预训练，生成预训练权重； 4基于步骤1获取的待识别目标的图像数据集以及步骤3生成的预训练权重对步骤2中的加强特征提取网络DFPNet进行训练，生成最终网络预测权重； 5利用步骤4所生成的最终网络预测权重对待识别目标进行识别及定位； 所述步骤2中主干特征提取网络是Swin-Transformer；所述加强特征提取网络DFPNet是基于PANet构建得到的； 所述步骤3的具体实现方式是： 3.1标准数据集MSCOCO向主干特征提取网络提供输入图像； 3.2主干特征提取网络对步骤3.1中输入的图像进行特征提取，向加强特征提取网络DFPNet输出三个不同特征提取阶段的特征图； 3.3通过加强特征提取网络DFPNet对步骤3.2所输入的三个不同特征提取阶段的特征图进行进一步的特征提取，并在最后一层的可变参数卷积层完成目标位置的回归和目标类别分类，直至完成预训练； 3.4根据预训练的结果生成预训练权重； 所述步骤4的具体实现方式是： 4.1以步骤3所得到的预训练权重为基础来调整整体目标识别定位网络的权重参数； 4.2以步骤1中所获取得到的待识别目标的图像数据集为输入对象，向主干特征提取网络提供输入图像； 4.3主干特征提取网络对步骤4.2中输入的图像进行特征提取，向加强特征提取网络DFPNet输出三个不同特征提取阶段的特征图； 4.4通过加强特征提取网络DFPNet对步骤4.3所输入的三个不同特征提取阶段的特征图进行进一步的特征提取，并在最后一层的可变参数卷积层完成目标位置的回归和目标类别分类，直至完成整体目标识别定位网络的训练； 4.5根据训练结果生成最终网络预测权重； 所述步骤4.4的具体实现方式是： 4.4通过加强特征提取网络DFPNet对步骤4.3所输入的三个不同特征提取阶段的特征图进行进一步的特征提取，随后在训练中引入EIOU损失函数，加快网络的训练收敛和指导训练过程中识别定位网络权重参数的更新朝着定位精度更高的方向，直至完成整体目标识别定位网络的训练，所述EIOU损失函数中IOU的计算形式为： ， 所述IOU的阈值为0.75。

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江汉大学，其通讯地址为：430056 湖北省武汉市沌口经济技术开发区新江大路8号江汉大学；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。