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！

龙图腾网获悉合肥工业大学申请的专利一种基于混合域与协同训练跨域检测模型的自训练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：CN115661565B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202211120391.1，技术领域涉及：G06V10/774；该发明授权一种基于混合域与协同训练跨域检测模型的自训练方法是由邓哲;王玉琳;张立;闻斌;秦雄博;杨帆;卫星;赵冲;陆阳设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本一种基于混合域与协同训练跨域检测模型的自训练方法在说明书摘要公布了：本发明属于深度学习与目标检测领域，具体涉及一种基于混合域与协同训练跨域检测模型的自训练方法，包括：采集源域数据集和目标域数据集；将所述源域数据集和所述目标域数据集输入至CycleGAN网络中，以得到混合域数据集；将所述混合域数据集输入至协同训练模型中进行训练，得到初始训练模型；将所述目标域数据集输入至所述初始训练模型中，以得到所述目标域的位置和类别信息并将其标记为所述目标域的伪标签，同时还计算得到模型优化参数；将所述标记有伪标签的目标域数据集、模型优化参数和混合域数据集输入至所述初始训练模型中进行训练，以得到基于混合域与协同训练跨域检测模型。

本发明授权一种基于混合域与协同训练跨域检测模型的自训练方法在权利要求书中公布了：1.一种基于混合域与协同训练跨域检测模型的自训练方法，其特征在于，包括： 采集源域数据集和目标域数据集； 将所述源域数据集和所述目标域数据集输入至CycleGAN网络中，以得到混合域数据集，且步骤包括： 步骤S21，将所述源域数据集和所述目标域数据集输入至所述CycleGAN网络中； 步骤S22，对所述源域数据集计算损失函数生成与所述目标域数据集相似的中间域数据集；其中，计算所述源域数据集和所述目标域数据集的损失函数，生成其对应的迁移图像；先通过生成器对所述迁移图像进行转换，再通过鉴别器对转换后的所述迁移图像进行判别，以生成所述中间域数据集； 步骤S23，所述中间域数据集和所述源域数据集合并生成所述混合域数据集； 将所述混合域数据集输入至协同训练模型中进行训练，得到初始训练模型； 将所述目标域数据集输入至所述初始训练模型中，通过特征提取网络F对所述目标域数据集中的目标域提取特征参数，再将所述特征参数输入至分支模块F1和F2中，以得到所述目标域的位置和类别信息并将其标记为所述目标域的伪标签，同时还计算得到模型优化参数，且步骤包括： 步骤S41，通过所述特征提取网络F对所述目标域数据集中的目标域进行特征提取，得到所述目标域对应的特征参数； 步骤S42，将所述特征参数分别输入至所述分支模块F1和F2中； 步骤S43，计算所述分支模块F1和F2的损失函数得到所述模型优化参数； 步骤S44，根据所述分支模块F1和F2得到所述目标域的位置信息和类别信息，通过位置阈值和类别阈值对所述目标域的位置信息和类别信息进行判断，直至所述目标域数据集中所有目标域均标记有标签； 将所述标记有伪标签的目标域数据集、模型优化参数和混合域数据集输入至所述初始训练模型中，以得到基于混合域与协同训练跨域检测模型； 其中，所述模型优化参数L如下： L＝Lco+L1+L2 其中和是将F1和F2中的卷积块Wcon1和Wcon2的权值进行全局均值化和通道压缩后的结果；p和t代表标签中的类别和位置信息，p1和代表F1分支模块得到的类别和位置，而p2和t2代表F2分支模块得到的类别和位置；分类损失Lcls1和Lcls2采用交叉熵损失函数计算得到，回归损失Lreg1和Lreg2采用smoothL1函数计算得到。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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。