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！

龙图腾网获悉南京航空航天大学申请的专利面向无人机目标识别在线学习的训练参数自适应优化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：CN116797945B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310467692.X，技术领域涉及：G06V20/17；该发明授权面向无人机目标识别在线学习的训练参数自适应优化方法是由赵卓玥;张卉瑾;高泽凯;王思逸;牛文锴;董超;屈毓锛;吴飞宇设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本面向无人机目标识别在线学习的训练参数自适应优化方法在说明书摘要公布了：本发明公开了一种面向无人机目标识别在线学习的训练参数自适应优化方法，包括：采用无人机实际拍摄的图像作为后续的在线学习样本，对无人机目标识别模型进行持续训练；在持续训练过程中，根据设定的批数量对在线学习样本进行划分，采用划分后的批样本对无人机目标识别模型进行迭代训练；根据每次迭代后的得到的计算时间和损失值，计算得到无人机目标识别模型的收敛速度；将计算得到的当前迭代周期的收敛速度与历史最优收敛速度进行比较，根据比较结果，更新最优收敛速度或批数量。本发明有效提高了鲁棒性和降低了训练时延。

本发明授权面向无人机目标识别在线学习的训练参数自适应优化方法在权利要求书中公布了：1.一种面向无人机目标识别在线学习的训练参数自适应优化方法，其特征在于，所述训练参数自适应优化方法包括以下步骤： 基于神经网络构建无人机目标识别模型，对无人机目标识别模型进行初步训练后，采用无人机实际拍摄的图像作为后续的在线学习样本，对无人机目标识别模型进行持续训练； 在持续训练过程中，根据设定的批数量对在线学习样本进行划分，采用划分后的批样本对无人机目标识别模型进行迭代训练；根据每次迭代后的得到的计算时间和损失值，计算得到无人机目标识别模型的收敛速度；将计算得到的当前迭代周期的收敛速度与历史最优收敛速度进行比较，根据比较结果，更新最优收敛速度或批数量； 其中，如果计算得到的收敛速度大于历史最优收敛速度，在下一迭代周期中维持相同的批数量，更新历史最优收敛速度为当前迭代周期的收敛速度；如果计算得到的收敛速度小于历史最优收敛速度，增大批数量以加快下一迭代周期的收敛速度或者减小批数量以减少下一迭代周期的计算时间； 根据每次迭代后的得到的计算时间和损失值，计算得到无人机目标识别模型的收敛速度的过程包括以下步骤： 在每轮模型迭代开始前，重新确定训练数据集D＝x1,y1,x2,y2,…xn,yn,n∈Ν中在线样本的数量N，其中，xn为第n个样本的特征值，yn为第n个样本的标签；根据第t次迭代的批数量St将在线样本划分为批，根据训练结果计算第t次迭代的收敛速度θt： 其中，Lt表示模型第t次迭代的损失值，Bt表示第t次迭代的批次数，Tt表示第t次迭代的计算时间，xi,j,yi,j代表第j批的第i个样本，wtxi,j是模型参数，fyi,j|wtxi,j为其损失函数； 如果计算得到的收敛速度小于历史最优收敛速度，采用下述公式增大批数量以加快下一迭代周期的收敛速度或者减小批数量以减少下一迭代周期的计算时间： St+1＝ηt*St 其中，σθt-1,θt-2…θt-u表示前u次迭代的θt的方差，Eθt-1,θt-2…θt-u表示前u次迭代的θt的均值，CoV表示基于训练数据集的变异系数，St+1表示第t+1次迭代的批数量，St表示第t次迭代的批数量。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。