Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 厦门大学赵万磊获国家专利权

厦门大学赵万磊获国家专利权

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!

龙图腾网获悉厦门大学申请的专利一种基于置信度驱动的增量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:CN119380003B

龙图腾网通过国家知识产权局官网在2025-07-08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:202411942834.4,技术领域涉及:G06V10/25;该发明授权一种基于置信度驱动的增量目标检测方法是由赵万磊;王小燕设计研发完成,并于2024-12-27向国家知识产权局提交的专利申请。

一种基于置信度驱动的增量目标检测方法在说明书摘要公布了:本发明提供一种基于置信度驱动的增量目标检测方法,所述方法包括:使用旧模型对新图像生成区域级别的伪标签,用于标记新图像中旧类别目标物体的区域;将新图像的真实标签与生成的伪标签结合,形成扩充的检测目标类别标注,用于新模型的训练;通过旧模型对新图像生成像素级别的置信度值,并与扩充的标签合并,修正新模型中的背景区域;对新模型进行训练,通过区域级别的伪标签和像素级别的置信度值蒸馏,保持对旧类别的检测,同时学习新类别。本发明方法具有计算成本低、易于集成的优点,适用于大规模增量目标检测场景。

本发明授权一种基于置信度驱动的增量目标检测方法在权利要求书中公布了:1.一种基于置信度驱动的增量目标检测方法,其特征在于:所述方法包括: S1、使用旧模型对新图像生成区域级别的伪标签,用于标记新图像中旧类别目标物体的区域; S2、将新图像的真实标签与生成的伪标签结合,形成扩充的检测目标类别标注,用于新模型的训练; S3、通过旧模型对新图像生成像素级别的置信度值,并与扩充的检测目标类别标注合并,修正新模型中的背景区域; S4、对新模型进行训练,通过区域级别的伪标签和像素级别的置信度值蒸馏,保持对旧类别的检测,同时学习新类别; 所述步骤S1具体包括: 步骤S11、将新图像输入到已训练好的旧模型中,生成预测的、、,其中表示预测框,表示置信度,表示类别; 步骤S12、采用非极大值抑制方法NMS对伪标签进行筛选,得到筛选后的预测框与类别,将筛选后的预测框与类别作为新图像的伪标签保留,通过使用非极大值抑制来过滤掉不可靠的区域预测; 所述步骤S3具体为: 通过计算和之间的交并比来生成置信度分数,并将置信度损失公式定义为: 其中,n表示样本数量,表示新模型对新图像输出的置信度,表示新模型对新图像输出的预测框,所述和表示经增强注释后的边界框和类别,表示增强注释后的置信度,表示置信度分数,所述表示指示函数,表示旧模型输出的置信度,In表示图像; 置信度分数的真实值由计算边界框与真实值之间的交并比得到,当时,表示当前位置存在一个目标物体,将增强的标注区域标记为目标区域;当时,表示该像素属于背景区域,将背景区域替换为旧模型生成的置信度分数,以此修正背景区域,在这种情况下,由旧模型生成的置信度分数将直接被赋值给,通过这种方式,旧模型中的知识被蒸馏到了新模型中; 之后,对网络损失函数进行修正,采用修正后的网络损失函数对新模型进行训练,所述网络损失函数表示为: 。

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厦门大学,其通讯地址为:361000 福建省厦门市思明南路422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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。