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！

龙图腾网获悉四川大学申请的专利一种权重自适应与任务解耦的旋转目标检测器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：CN116758363B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202210209127.9，技术领域涉及：G06V10/774；该发明授权一种权重自适应与任务解耦的旋转目标检测器是由何小海;曾王明;陈洪刚;熊书琪;吴晓红;王正勇设计研发完成，并于2022-03-03向国家知识产权局提交的专利申请。

本一种权重自适应与任务解耦的旋转目标检测器在说明书摘要公布了：本发明提出了一种权重自适应与任务解耦的旋转目标检测器。首先，利用标签信息统计每个类别的数量并计算各自的概率，再对各个类别的概率进行Huffman编码，得到编码权重，在计算预测值和one‑hot标签的BCE损失时，将每个类别的计算结果乘上各自类别的编码权重。其次，将yolov5‑obb检测器的检测头进行解耦操作，采用两个不同的1×1卷积对分类和回归任务进行各自预测，同时，还引入了EIOU损失来代替CIOU提高定位准确性，最终提高遥感场景下目标检测精度。本发明主要应用于遥感场景下的任务精化及长尾目标检测，在遥感目标检测，国防科技及军事等领域具有开阔的应用前景。

本发明授权一种权重自适应与任务解耦的旋转目标检测器在权利要求书中公布了：1.一种权重自适应与任务解耦的旋转目标检测器，其特征在于包括以下步骤： 1根据先验标签信息统计出每个类别的数量，同时计算每个类别的概率，将概率值进行Huffman编码，得到编码码长，然后将码长作为惩罚权重，在预测值和one-hot做BCE损失时将对应的每个类别计算结果分别乘上权重惩罚，添加编码权重后计算的BCE损失定义为式1所示，添加编码权重后的梯度反向传播计算过程如式2所示： 其中，LH-B-BCE是采用Huffman编码后并引入H-B权重的损失，wi是第i个权重，ci是logit标签，σ是sigmoid激活函数，C是类别总数；首先利用标签先验统计得到每个类别的概率值，利用Huffman编码技术对概率值进行Huffman编码操作得到每个类别所对应的编码权重，通过输入的特征图得到了logit值，之后经过sigmoid激活函数得到每个logit值所对应的概率值，将概率值与采样过程中得到的one-hot标签做BCE损失，在将预测值与one-hot标签中的每个元素，即每个类，计算BCE损失的同时，将计算结果乘上每个类别所对应的编码权重值，在训练过程中的梯度回传时，每个类别同样都乘上各自的编码权重； 2对YOLOv5-obb目标检测器进行解耦：将分类与回归任务拆分到各自的支路，分别由3×3卷积和1×1卷积独立处理，从而完成两项任务的分离；假定输入的特征图为x，其维度大小为W×H×256，x首先经过两个3×3卷积，然后经过一个1×1卷积进行通道降维成任务各自需要的通道，即降维成分类，角度回归，坐标回归和置信度三个通道，其中坐标回归和置信度又细分成两个各自的通道进行各自的任务实现，具体地，在各自通道上经过3×3卷积之后得到新的特征图分别经过1×1卷积分别得到维度为W×H×nc，W×H×ang，W×H×4，W×H×1的特征图，然后将所得到的特征图在通道维度上进行拼接从而得到拼接后的特征图z； 3采用EIOU代替Yolov5-obb检测器中的CIOU来提高定位精度，相对于CIOU损失，EIOU直接采用绝对长宽的形式用预测框来逼近真实框，采用EIOU的回归框损失如式4所示： 其中Lbox是回归框损失，IOU是预测框与真实框之间测交并比，ρ是两点间的间距，b是预测框的中心点坐标，bgt是真实框的中心点坐标，c是包围预测框和真实框最小矩形的对角线长度，w是预测框的宽，wgt是真实框的宽，Cw是包围预测框和真实框最小矩形的宽，h是预测宽的高，hgt是真实框的高，Ch是真实框的高。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。